欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

基于python的opencv圖像處理實現(xiàn)對斑馬線的檢測示例

 更新時間：2020年11月29日 17:02:30   作者：舔狗小明  
這篇文章主要介紹了基于python的opencv圖像處理實現(xiàn)對斑馬線的檢測示例，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

基本思路

斑馬線檢測通過opencv圖像處理來進行灰度值轉(zhuǎn)換、高斯濾波去噪、閾值處理、腐蝕和膨脹后對圖像進行輪廓檢測，通過判斷車輛和行人的位置，以及他們之間的距離信息，當車速到超過一定閾值時并且與行人距離較近時，則會被判定車輛為未禮讓行人。

在這里插入圖片描述

結(jié)果示例

在這里插入圖片描述

實驗流程

先通過視頻截取一張圖片來進行測試，如果結(jié)果滿意之后再嵌套到視頻中，從而達到想要的效果。

1.預處理（灰度值轉(zhuǎn)換、高斯濾波去噪、閾值處理、腐蝕和膨脹）> 根據(jù)自己的需求來修改一些值

#灰度值轉(zhuǎn)換
imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY)
#高斯濾波去噪
imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)
#閾值處理
ret,thresh = cv2.threshold(imgBlur,127,255,cv2.THRESH_BINARY)
#腐蝕
imgEro = cv2.erode(thresh,kernel1,iterations=2)
#膨脹
imgDia = cv2.dilate(imgEro,kernel2,iterations=4)

預處理之后（如下圖所示）：

在這里插入圖片描述

2.輪廓檢測

#輪廓檢測
_,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contouts
cv2.drawContours(copy_img, cnt, -1, (0, 255, 0), 2)

全部的輪廓（如下圖所示）

在這里插入圖片描述

可以看到這并不是我們想要的，所以我們需要判斷一下位置，選取我們感興趣的區(qū)域。

3.感興趣區(qū)域

根據(jù)自己圖片或視頻的需求來更改x，y，w，h位置信息數(shù)值。

for i in cnt:
  #坐標賦值
  x,y,w,h = cv2.boundingRect(i)
  #roi位置判斷
  if y>350 and y<450 and x<1200 and w>50 and h>10:
    # 畫出輪廓
    cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)

獲取roi后完整結(jié)果（如下圖所示）

在這里插入圖片描述

4.完整代碼

import cv2
import numpy as np
#定義兩個核	（kernel_Ero用于腐蝕，kernel_Dia用于膨脹）
kernel_Ero = np.ones((3,1),np.uint8)
kernel_Dia = np.ones((3,5),np.uint8)

img = cv2.imread("../images/bmx.png")
copy_img = img.copy()
#原圖copy修改尺寸
copy_img = cv2.resize(copy_img,(1600,800))
#灰度值轉(zhuǎn)換
imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY)
#高斯濾波去噪
imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)
#閾值處理
ret,thresh = cv2.threshold(imgBlur,127,255,cv2.THRESH_BINARY)
#腐蝕
imgEro = cv2.erode(thresh,kernel_Ero,iterations=2)
#膨脹
imgDia = cv2.dilate(imgEro,kernel_Dia,iterations=4)

#輪廓檢測
_,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contouts

for i in cnt:
  #坐標賦值
  x,y,w,h = cv2.boundingRect(i)
  #roi位置判斷
  if y>350 and y<450 and x<1200 and w>50 and h>10:
    # 畫出輪廓
    cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)

cv2.imshow("img",copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

總結(jié)

在業(yè)務需求中這種流程做出來的結(jié)果并不可行，只不過是把想要的東西框了出來，但是如果想要對交通場景判別機動車是否禮讓行人行為的話則需要對坐標進行判斷，可以通過從第一個斑馬線的坐標到最后一個斑馬線的坐標(橫向)來畫出一個大的矩形框(roi區(qū)域)，然后根據(jù)這個矩形框的坐標來對機動車(已有坐標)坐標來進行行為判斷，從而達到需求。

最后！！！

第一次接觸opencv！所以請各位視覺領域的大佬們勿噴我這個小菜雞！（/狗頭）

代碼量非常少，無泛化能力，很low的一種做法。。。不過對于小白的我來說學習opencv還是很有幫助滴！干就完了！奧利給！

到此這篇關于基于python的opencv圖像處理實現(xiàn)對斑馬線的檢測示例的文章就介紹到這了,更多相關opencv 斑馬線檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

相關文章

最新評論