基于python的opencv圖像處理實現(xiàn)對斑馬線的檢測示例
基本思路
斑馬線檢測通過opencv圖像處理來進(jìn)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(jìn)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(dāng)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。
結(jié)果示例
實驗流程
先通過視頻截取一張圖片來進(jìn)行測試，如果結(jié)果滿意之后再嵌套到視頻中，從而達(dá)到想要的效果。
1.預(yù)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(yù)處理之后（如下圖所示）：
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）
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(biāo)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）
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(biāo)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(wù)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(jī)動車是否禮讓行人行為的話則需要對坐標(biāo)進(jìn)行判斷，可以通過從第一個斑馬線的坐標(biāo)到最后一個斑馬線的坐標(biāo)(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(biāo)來對機(jī)動車(已有坐標(biāo))坐標(biāo)來進(jìn)行行為判斷，從而達(dá)到需求。
最后！?。?/strong>
第一次接觸opencv！所以請各位視覺領(lǐng)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(xué)習(xí)opencv還是很有幫助滴！干就完了！奧利給！
到此這篇關(guān)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(guān)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(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python使用signal定時結(jié)束AsyncIOScheduler任務(wù)的問題
這篇文章主要介紹了Python使用signal定時結(jié)束AsyncIOScheduler任務(wù),在使用aiohttp結(jié)合apscheduler的AsyncIOScheduler模擬定點并發(fā)的時候遇到兩個問題，針對每個問題給大家詳細(xì)介紹，需要的朋友可以參考下2021-07-07
這篇文章主要介紹了Python模擬登錄驗證碼（代碼簡單）的相關(guān)資料,需要的朋友可以參考下2016-02-02
Python使用StringIO和BytesIO讀寫內(nèi)存數(shù)據(jù)
這篇文章介紹了Python使用StringIO和BytesIO讀寫內(nèi)存數(shù)據(jù)的方法，文中通過示例代碼介紹的非常詳細(xì)。對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-05-05
當(dāng)我們需要對后臺的數(shù)據(jù)進(jìn)行過濾的時候，drf有兩種，搜索過濾和排序過濾。本文就詳細(xì)的介紹這兩種的實現(xiàn)，感興趣的可以了解一下2021-06-06
今天小編就為大家分享一篇python 判斷文件還是文件夾的簡單實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
Pandas_cum累積計算和rolling滾動計算的用法詳解
今天小編就為大家分享一篇Pandas_cum累積計算和rolling滾動計算的用法詳解，具有好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
今天小編就為大家分享一篇python for循環(huán)輸入一個矩陣的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
python 實現(xiàn)網(wǎng)易郵箱郵件閱讀和刪除的輔助小腳本
這篇文章主要介紹了python 如何實現(xiàn)網(wǎng)易郵箱郵件閱讀和刪除輔助的小腳本，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下2021-03-03
在本篇文章里小編給大家整理了是關(guān)于學(xué)python安裝什么軟件的相關(guān)知識點內(nèi)容，有需要的朋友們學(xué)習(xí)下。2019-10-10
這篇文章主要介紹了pycharm 對代碼做靜態(tài)檢查操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06