opencv色块追踪

学习树莓派的路上,今天学习了用opencv进行色块追踪的实验,熟悉了颜色空间转换、掩膜提取、轮廓提取、轮廓绘制相关函数的使用。

基本流程为:

    [读取视频帧]
    [转换到HSV空间]
    [颜色阈值分割]
    [形态学处理]
    [轮廓检测]
    [绘制矩形框]
    [显示结果]

HSV掩膜提取

关于每种颜色对应的HSV阈值,可以参考下表:

设定阈值后,进行掩膜提取,目标区域为白色。

为了方便设置阈值,可以创建滑块,手动调整阈值以获得最佳效果。

形态学去噪

通过腐蚀(核内只要有一个黑色中心像素即为黑)、膨胀、开(先腐蚀后膨胀)、闭运算将掩膜中的噪点或者空洞去除。

        记住口诀​​:
🔹 ​​“开运算去毛刺,闭运算补漏洞”​
🔹 ​​“先开后闭,天下无敌”​​ (针对复杂掩膜)

轮廓检测

使用函数提取轮廓,返回轮廓列表,遍历列表求其外接矩形,并绘制,即可。

跟踪品红色块代码

import numpy as np
import cv2
import time

capture = cv2.VideoCapture(0)

if not capture.isOpened():
    print("open camera failed")
    exit()

while True:
    ret,frame = capture.read()
    if not ret:
        print("no frame")
        break
    #设定阈值,提取掩膜
    frame_hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
    lower_red = np.array([156,50,50])
    upper_red = np.array([180,255,255])
    mask = cv2.inRange(frame_hsv,lower_red,upper_red)
    # 添加形态学操作
    kernel = np.ones((10, 10), np.uint8)
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)  # 去噪
    mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)  # 填充
    #检测轮廓
    contours,hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    for cnt in contours:
        x,y,w,h = cv2.boundingRect(cnt)
        cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
    cv2.imshow("frame",frame)
    if cv2.waitKey(20) & 0xFF == ord('q'):
        break

capture.release()
cv2.destroyAllWindows()

色块追踪是一种基于颜色识别的目标跟踪方法,它可以通过摄像头采集图像,实时识别出图像中指定颜色的物体,并对其进行跟踪。下面是一个简单的 OpenCV 代码示例,可以实现色块追踪: ```python import cv2 # 定义目标颜色范围 lower_color = (0, 100, 100) upper_color = (20, 255, 255) # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取摄像头采集的图像 ret, frame = cap.read() # 转换颜色空间,从 BGR 转换到 HSV hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 根据目标颜色范围提取图像中的目标区域 mask = cv2.inRange(hsv, lower_color, upper_color) # 对目标区域进行形态学操作,去除噪声 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 查找目标区域的轮廓 contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 如果有轮廓,则找到最大的轮廓作为目标区域 if len(contours) > 0: target_contour = max(contours, key=cv2.contourArea) x, y, w, h = cv2.boundingRect(target_contour) cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) # 显示原始图像和处理后的图像 cv2.imshow('frame', frame) cv2.imshow('mask', mask) # 按下 q 键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 关闭摄像头和窗口 cap.release() cv2.destroyAllWindows() ``` 以上代码中,`lower_color` 和 `upper_color` 分别表示目标颜色的范围,可以根据实际情况进行修改。在循环中,每次从摄像头中读取一帧图像,然后将其转换到 HSV 颜色空间,并使用 `cv2.inRange()` 函数根据目标颜色范围提取目标区域。接着使用形态学操作去除噪声,然后使用 `cv2.findContours()` 函数查找目标区域的轮廓,找到最大的轮廓作为目标区域,并用矩形框框出来。最后将原始图像和处理后的图像显示出来。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值