关于图书馆识别书的编号并链接mysql库项目的代码解析和分析

（因为自己的代码实在拉跨所以请教了同学并仔细研究了他的代码）

findContours函数*1*用于查找给定二值图像erosion中的轮廓，并以层次结构的形式返回轮廓及其关系。参数RETR_TREE表示按照轮廓之间的父子关系构建树形结构，CHAIN_APPROX_NONE`则保留每个轮廓的所有像素点信息。

对于找到的轮廓contours，循环遍历它们，通过调用cv2.contourArea(contour)2计算每个轮廓的面积。如果某个轮廓的面积小于100，说明它可能是噪声或较小的对象，程序会将其添加到fill列表中。

最后，cv2.fillPoly()函数用于填充图像（erosion），使用指定的颜色（这里是白色 (255, 255, 255)）来填充那些满足条件（面积小于100）的轮廓。这一步可能用于分割图像，去除小物体或标记特定区域。

cv2.findContours 函数用于从二进制图像（阈值化的图像）中查找轮廓。参数说明如下：

1. thresh 是要分析的二值图像，通常是通过某种边缘检测或阈值化操作得到的。
2. mode 设定轮廓检索的方式，这里是 cv2.RETR_TREE，意味着会返回一个层次结构的轮廓树，每个轮廓都有其父轮廓，表示轮廓之间的嵌套关系。
3. method 决定了轮廓近似的方式，这里设置为 cv2.CHAIN_APPROX_NONE，表示保留轮廓上的每一个像素点，以便获得更精确的形状。

这段代码的作用是：

• 寻找thresh图像中的轮廓。
• 对于找到的每个轮廓（contour），计算它的面积（cv2.contourArea）。
• 如果轮廓的面积在给定的阈值范围内（这里假设小于3000），则计算轮廓的边界框（cv2.boundingRect），这是围绕轮廓的一个最小矩形区域。
• 最后，它会在原始图像上绘制这个矩形框，颜色为绿色，线条宽度为2。12

执行这段代码后，你会看到thresh图像中的小面积轮廓都被标记了出来，形成绿色的矩形框。

1. 使用os.path.join创建当前文件夹的完整路径，如./moban/folder。
2. 判断该路径是否为实际存在的目录（即isdir返回True）。
3. 如果是目录，使用列表推导式找出所有的.jpg文件，存入变量files。
4. 对于找到的每个文件，读取成灰度图像（cv2.imread），并将其添加到与value关联的模板列表中，如果value对应的列表不存在则新建。

接着，对于每一个模板列表（template_list）：

• 循环遍历列表中的每个模板（template）。
• 对模板进行预处理操作，包括二值化（阈值处理）、腐蚀和膨胀（可选）、高斯模糊以及缩放。这些操作都是为了提高模板匹配的质量。
• 处理后的模板替换原列表中的对应项。
• cv2.threshold()用于二值化，cv2.dilate()和cv2.erode()用于形态学操作，cv2.GaussianBlur()用于高斯滤波，cv2.resize()用于缩放图像。cv2.imshow()用于显示临时处理过的模板，但在这个上下文中并没有实际调用，因为cv2.waitKey(0)1通常会在交互式环境中等待按键事件，而这里没有显示窗口。

img_thread = threading.Thread(target=self.recognize_wrapper, args=()) 创建了一个新的线程 img_thread，它的目标（target）是调用函数 self.recognize_wrapper。setDaemon(True) 被用来设置这个线程为守护线程，这意味着当主线程（即最初的 if __name__ == '__main__': 中的部分）结束时，这个子线程也会随之结束。

img_thread.start() 启动了线程，而 img_thread.join() 是为了让主线程等待 img_thread 完成再继续执行后续操作。这样做的目的是保证主线程在处理结果之前，recognize_wrapper 已经完成了图像识别的工作。

self.result_queue.get() 用于从队列中获取 img_thread 的识别结果。之后对图片进行了腐蚀和缩小的操作（cv2.erode 和 self.reduce_img），以及轮廓检测和模板匹配。

1. 计算轮廓的面积（area = cv2.contourArea(contour)）1。
2. 使用条件语句过滤掉面积太小（小于100像素）或过大（大于50000像素）的轮廓（if 0 < area < 100 ... area > 50000:）。
3. 如果轮廓满足条件，绘制矩形框到roi区域（cv2.rectangle()）。
4. 提取并裁剪感兴趣的图像部分（img = roi[y:y + h, x:x + w]）。
5. 可能保存这个裁剪的图片以便后续处理（cv2.imwrite()）。
6. 对于每个裁剪的图片，尝试找到与某个模板的最佳匹配（这部分代码未完全展示，但提到best_match和best_score用于评估匹配程度）。

具体来说，这部分代码可能是在进行物体检测或图像分割的过程中，筛选出感兴趣的部分，并对其进行单独处理或进一步的模板匹配分析。

1. 使用cv2.matchTemplate函数计算原始图像img与模板的相似度得分（这里使用的是TM_CCOEFF_NORMED方法，得分越接近1表示匹配度越高）。
2. 找到匹配得分最高的部分（通过cv2.minMaxLoc），并更新best_score和best_match（模板值）。
3. 如果未找到匹配，跳过该模板继续下一次迭代。
4. 循环结束后，输出最终的最佳匹配模板值best_match，并在图像上标记这个位置。
5. 将best_match添加到结果列表result中，并将这些值组合成字符串result_str，展示在文本编辑框中。
6. 最后尝试连接数据库并将识别结果存储起来（这部分的具体行为依赖于connect_sql函数，但显然用于保存识别信息）。

完成识别之后就要匹配mysql数据库中的书籍名称

1. 连接数据库:

db = pymysql.connect(host=host, user=user, passwd=passwd, db=db2, charset='utf8')

使用pymysql库创建数据库连接，参数包括主机地址（host）、用户名（user）、密码（passwd）和要连接的数据库名（db2），以及字符集设置为’utf8’。

1. 创建游标:

cursor = db.cursor()

创建一个游标对象，用于执行SQL语句和获取查询结果。

1. 构建SQL查询:

sql = "SELECT bookname FROM library WHERE bookid = %s"

定义一个SQL查询语句，选择library表中bookid为\(result_str\)的bookname字段。

1. 尝试执行查询:

try:
    cursor.execute(sql, result_str)

尝试执行SQL查询，将\(result_str\)作为占位符插入查询中。

1. 获取并处理查询结果:

results = cursor.fetchall()
for row in results:
    print('查询结果：', row)
    self.textEdit.append(f"查询结果：{row}")

执行查询后，获取所有结果，遍历每一行并打印查询结果到self.textEdit（UI组件）中。

1. 错误处理:如果执行时发生错误，捕获pymysql.Error异常，并在控制台打印错误信息，并在self.textEdit中添加错误消息。

2. 关闭连接:

finally:
    db.close()

​

最后无论查询是否成功，都会确保关闭与数据库的连接以释放资源。

### 如何录入数书籍

1. 尝试连接数据库

   try:
       db = pymysql.connect(host='8.147.233.239', user='root', passwd='team2111', db='ryp', charset='utf8')
   except pymysql.Error as e:
       print("数据库连接失败:", str(e))
       return
   

   使用 pymysql.connect() 函数尝试连接到指定的服务器（IP地址 ‘8.147.233.239’，用户名 ‘root’，密码 ‘team2111’），选择数据库 ‘ryp’，并设置字符集为 ‘utf8’。

2. 创建游标:

   cursor = db.cursor()
   

   获取数据库连接的游标，用于执行SQL命令。

3. 构造SQL查询:

   sql = "INSERT INTO book (id, name) VALUES (%s, %s)"
   

   定义要插入数据的SQL语句，这里假设有一个 ‘book’ 表，有’id’ 和 ‘name’ 两个字段。

4. 尝试执行SQL并提交事务:

   try:
       cursor.execute(sql, (id, name))
       db.commit()
       print("数据插入成功")
   except pymysql.Error as e:
       db.rollback()
       print("数据插入失败:", str(e))
   

   使用 cursor.execute() 执行 SQL 插入操作，然后调用 db.commit() 提交事务。如果在这个阶段发生错误，则回滚事务（db.rollback()）并打印错误信息。

5. 关闭数据库连接:

   Python
   finally:
       db.close()