OpenCV答题卡识别模拟-测评米尔ARM+FPGA异构开发板

前言q4Tednc

米尔基于ARM+FPGA异构开发板的SDK发布说明q4Tednc

米尔基于ARM+FPGA异构开发板，根据下图文件内容可以知道myir-image-full系统支持的功能，其支持OpenCV，也就不用在格外安装相关驱动包等，省了很多事情。q4Tednc

q4Tednc

02. 米尔基于ARM+FPGA异构开发板软件评估指南q4Tednc

本文介绍了Python的基本操作，在文档中10.1开发语言支持。q4Tednc

q4Tednc

q4Tednc

03.米尔基于ARM+FPGA开发板历程路径q4Tednc

/usr/share/OpenCV/samples//usr/share/opencv4/samples/python/q4Tednc

q4Tednc

q4Tednc

文件目录中有一些python程序。q4Tednc

04.米尔基于ARM+FPGA开发板图像识别开发q4Tednc

1.使用参考图片q4Tednc

 q4Tednc

上面的图片是模拟的答题卡，与实际答题卡理论相同，具体细节可能需要变动。正常的答题卡采集的数据较多。q4Tednc

2.源代码q4Tednc

1）源代码截图q4Tednc

q4Tednc

2）源代码粘贴q4Tednc

#!/usr/bin/env python3q4Tednc

"""q4Tednc

Created on Thu Sep 30 07:53:41 2021q4Tednc

"""q4Tednc

Python 2/3 compatibility

from future import print_functionq4Tednc

import numpy as npq4Tednc

import cv2q4Tednc

img = cv2.imread('b.jpg')q4Tednc

cv2.imshow("orginal",img)q4Tednc

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)q4Tednc

cv2.imshow("gray",gray)q4Tednc

gaussian = cv2.GaussianBlur(gray, (5, 5), 0)q4Tednc

cv2.imshow("gaussian",gaussian)q4Tednc

edged=cv2.Canny(gaussian,50,200)q4Tednc

cv2.imshow("edged",edged)q4Tednc

cts, hierarchy = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,q4Tednc

cv2.CHAIN_APPROX_SIMPLE)q4Tednc

cv2.drawContours(img, cts, -1, (0,0,255), 3)q4Tednc

cv2.imshow("img",img)q4Tednc

cv2.waitKey()q4Tednc

cv2.destroyAllWindows()q4Tednc

3.代码图片上传q4Tednc

q4Tednc

q4Tednc

4.实际运行效果q4Tednc

q4Tednc

q4Tednc

q4Tednc

q4Tednc

 q4Tednc

 q4Tednc

米尔基于ARM+FPGA核心板和开发板购买链接q4Tednc

米尔基于ARM+FPGA核心板和开发板搭载的Artix-7 CPU对标Zynq 7010的FPGA资源，能够满足高速数据采集的需求，并且采用PCIE高速通信，支持200~300MB/S的通信能力。q4Tednc

米尔基于ARM+FPGA核心板和开发板采用NXP i.MX8M Mini及Xilinx Artix-7处理器，四核 Cortex-A53、Cortex-M4、Artix-7 CPU，1.8GHz主频，基于ARM+FPGA处理架构，具备高性能、低成本、低功耗等特点，两者各司其职，各自发挥原本架构的独特优势。q4Tednc

q4Tednc

米尔基于ARM+FPGA核心板和开发板q4Tednc