Python+OpenCV颜色识别 物体追踪
对于颜色识别和imutils
包的用法请浏览我得另一篇博客:OpenCV学习笔记
个人博客原址:OpenCV颜色识别 物体追踪
代码原理
这是个比较简单的代码。代码实现的就是简单的物体追踪,将物体用方框框出。
简单来讲就是先进行颜色识别,正确识别到物体后获取物体的外接矩形再画出外接矩形即可。
详细的解释可以看代码注释,应该是容易理解的。
代码
import cv2
import numpy as np
import imutils
from imutils import contours
lower = np.array([130, 62, 72])
upper = np.array([170, 255, 148])
kernel = np.ones((5, 5), np.uint8)
vc = cv2.VideoCapture(0)
if vc.isOpened():
flag, frame = vc.read()
frame = imutils.rotate(frame, 180)
cv2.imshow("frame", frame)
else:
flag = False
while flag:
flag, frame = vc.read()
frame = imutils.rotate(frame, 180)
draw_frame = frame.copy()
if frame is None:
break
if flag is True:
'''下面对摄像头读取到的图像进行处理,这个步骤是比较重要的'''
frame_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
img = cv2.inRange(frame_hsv, lower, upper)
dilation = cv2.dilate(img, kernel, iterations=1)
closing = cv2.morphologyEx(dilation, cv2.MORPH_CLOSE, kernel)
closing = cv2.GaussianBlur(closing, (5, 5), 0)
edges = cv2.Canny(closing, 10, 20)
'''上面进行那么多操作就是为了得到更好的目标图形,具体效果因环境而异'''
cnts, _ = cv2.findContours(
edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
if len(cnts) > 0:
s = []
max_index = 0
(cnts, boundingRects) = contours.sort_contours(cnts)
for cnt in cnts:
s.append(cv2.contourArea(cnt))
max_index = s.index(max(s))
(x, y, w, h) = boundingRects[max_index]
frame_out = cv2.rectangle(
draw_frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
cv2.imshow("frame", draw_frame)
if cv2.waitKey(10) == 27:
break
vc.release()
cv2.destroyAllWindows()
具体解释都在代码注释里面了,下面我要提一些注意的地方。
- 获得过图像之后可能需要进行一系列的形态学操作,这样可以让获得的图像更加接近目的图像。这些操作虽然不是必需的但如果正常取得的图像效果不好的时候可以加上。
- 函数
contours.sort_contours
和 imutils.rotate
是imutils
包里面的,使用起来比较方便,具体用法可以看博主的另一篇博客:OpenCV学习笔记。外接矩形也可以通过cv2.boundingRect
函数获得。 - 代码中博主是以轮廓的最大面积为条件画的图,但这个条件应该根据自己想要的效果而定。这里除了寻找最大面积以外还可以寻找最大周长、最长的边之类的。
最终效果图
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)