OpenCV 学习资料——第八章：案例综合与行业应用

第八章：案例综合与行业应用

本章将结合具体案例，展示OpenCV在多个行业中的应用，并提供完整代码和解决方案。

---

8.1 自动驾驶中的应用

8.1.1 车道线检测

思路：

1. 读取行车视频并将图像转换为灰度图。
2. 使用Canny边缘检测提取边缘。
3. 通过霍夫变换检测直线，识别车道线。

示例代码：

python

import cv2
import numpy as np

def region_of_interest(img, vertices):
    mask = np.zeros_like(img)
    cv2.fillPoly(mask, vertices, 255)
    return cv2.bitwise_and(img, mask)

def draw_lines(img, lines):
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(img, (x1, y1), (x2, y2), (0, 255, 0), 5)

cap = cv2.VideoCapture("driving.mp4")
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 50, 150)
    
    height, width = edges.shape
    roi_vertices = np.array([[(0, height), (width//2, height//2), (width, height)]], dtype=np.int32)
    cropped_edges = region_of_interest(edges, roi_vertices)
    
    lines = cv2.HoughLinesP(cropped_edges, 1, np.pi/180, 50, minLineLength=50, maxLineGap=200)
    if lines is not None:
        draw_lines(frame, lines)
    
    cv2.imshow("Lane Detection", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

---

8.2 医疗图像处理

8.2.1 X光图像异常检测

思路：

1. 对X光图像进行预处理，如直方图均衡化。
2. 使用卷积神经网络（CNN）检测异常区域。
3. 将结果可视化。

示例代码：

python

import cv2

# 加载X光图像
img = cv2.imread("xray.jpg", cv2.IMREAD_GRAYSCALE)

# 直方图均衡化
equalized_img = cv2.equalizeHist(img)

# 边缘检测
edges = cv2.Canny(equalized_img, 50, 150)

# 显示结果
cv2.imshow("Original X-Ray", img)
cv2.imshow("Equalized X-Ray", equalized_img)
cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

8.3 工业自动化中的质量检测

8.3.1 产品表面瑕疵检测

思路：

1. 使用模板匹配找到参考区域。
2. 通过像素差异判断表面是否存在瑕疵。

示例代码：

python

template = cv2.imread("template.jpg", cv2.IMREAD_GRAYSCALE)
product = cv2.imread("product.jpg", cv2.IMREAD_GRAYSCALE)

# 模板匹配
result = cv2.matchTemplate(product, template, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
top_left = max_loc
h, w = template.shape
bottom_right = (top_left[0] + w, top_left[1] + h)

# 标注瑕疵区域
cv2.rectangle(product, top_left, bottom_right, 255, 2)

cv2.imshow("Product Inspection", product)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

8.4 智能安防系统

8.4.1 人脸识别与跟踪

示例代码：

python

import cv2

# 加载人脸检测模型
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")

cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
    
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
    
    cv2.imshow("Face Detection", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

---

8.5 机器人导航与避障

8.5.1 激光雷达模拟与路径规划

示例代码：

python

import cv2
import numpy as np

# 创建空白地图
map_size = 500
map_img = np.zeros((map_size, map_size, 3), dtype=np.uint8)

# 随机生成障碍物
for _ in range(50):
    x, y = np.random.randint(0, map_size, 2)
    cv2.circle(map_img, (x, y), 5, (255, 255, 255), -1)

# 路径规划 (A*算法可嵌入此处)
start = (50, 50)
goal = (450, 450)
cv2.circle(map_img, start, 10, (0, 255, 0), -1)
cv2.circle(map_img, goal, 10, (0, 0, 255), -1)

cv2.imshow("Robot Navigation Map", map_img)
cv2.waitKey(0)
cv2.destroyAllWindows()