重磅干货,第一时间送达 跟踪对象的基本思想是找到对象的轮廓,基于HSV颜色值。
在继续下面的操作之前,请在系统中安装OpenCV。打开命令提示符并键入 pip install opencv-python import cv2 cam = cv2.VideoCapture(0) img = cam.read()[1] #_, img = cam.read() 参数0-用于主相机,例如在笔记本电脑网络摄像头中被视为主相机。1-代表中学,依此类推。 1、使用高斯滤波器对图像进行归一化。归一化图像可能会丢失许多小信息,但是我们需要归一化/模糊图像,以使我们的对象获得均等的颜色分布。 #cv2.gaussianBlur(source_image,Kernal_size,Border_width) Blur_img = cv2.GaussianBlur(img,(11,11),0) 2、将图像转换为HSV颜色模型。 HSV = cv2.cvtColor(Blur_img, cv2.COLOR_BGR2HSV) Obj_low = np.array([0,0,0]) # In my case (H,S,V) Obj_high = np.array([179,157,79]) 在给定的HSV值范围内应用二进制阈值,黑白Obj_low和Obj_high。 MASK = cv2.inRange(HSV, Obj_low, Obj_high) #MASK2 = cv2.inRange(HSV,Obj2_low,Obj2_high) 如果尝试跟踪两个不同的对象,则需要创建2个不同的蒙版,并最终在两个蒙版上使用“按位与”运算符。 #mask = cv2.bitwise_and(mask1,mask2) 侵蚀和膨胀:侵蚀和膨胀填充阈值图像中的黑色和白色斑点。这样可使图像更清晰,平滑并突出主要对象。 MASK = cv2.erode(MASK1, None, iterations=2) MASK = cv2.dilate(MASK1, None, iterations =2) 轮廓:突出显示对象的图像片段。例如,如果将二进制阈值应用于具有(180,255)的图像,则大于180的像素将以白色突出显示,而其他则为黑色。白色部分称为轮廓。 cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] if len(cnts)>0 : c = max(cnts, key = cv2.contourArea) 在上面给定的图像中,整个白色边界区域是轮廓。轮廓可能不止一个,但主要对象的面积将最大。所以选择轮廓最大。然后.. 得到主要物体的轮廓后,在轮廓上画一个圆。 ((x,y), radius) = cv2.minEnclosingCircle(c) M = cv2.moments(c) center = (int(M['m10’]/ M['m00’]), int(M['m01’]/ M['m00’]) ) cv2.circle(img, center, 5, (0,0,255), -1) cv2.circle(img, center, int(radius), (0,0,255), 2) 对象跟踪程序代码 import cv2 import numpy as np cam = cv2.VideoCapture(0) Obj_low = np.array([0,0,0]) Obj_high = np.array([179,157,79]) while True: img = cam.read()[1] img = cv2.resize(img, (800,600) ) blur_img = cv2.GaussianBlur(img,(21,21),0) HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) MASK1 = cv2.inRange(HSV, Obj_low, Obj_high) MASK1 = cv2.erode(MASK1, None, iterations=2) MASK1 = cv2.dilate(MASK1, None, iterations =2) cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] center = None if len(cnts)>0 : c = max(cnts, key = cv2.contourArea) ((x,y), radius) = cv2.minEnclosingCircle(c) M = cv2.moments(c) center = (int(M['m10']/ M['m00']), int(M['m01']/ M['m00']) ) if radius>10: cv2.circle(img, center, 5, (0,0,255), -1) cv2.circle(img, center, int(radius), (0,0,255), 2) cv2.imshow("my window",img) k = cv2.waitKey(1) if k==27: break cam.release() cv2.destroyAllWindows() |
|