通過(guò)OpenCV實(shí)現(xiàn)對(duì)指定顏色的物體追蹤
本文實(shí)現(xiàn)對(duì)特定顏色的物體追蹤,我實(shí)驗(yàn)用的是綠蘿的樹(shù)葉。
新建腳本ball_tracking.py,加入代碼:
import argparse from collections import deque import cv2 import numpy as np
導(dǎo)入必要的包,然后定義一些函數(shù)
def grab_contours(cnts): # 如果 cv2.findContours 返回的輪廓元組的長(zhǎng)度為“2”,那么我們使用的是 OpenCV v2.4、v4-beta 或 v4-official if len(cnts) == 2: cnts = cnts[0] # 如果輪廓元組的長(zhǎng)度為“3”,那么我們使用的是 OpenCV v3、v4-pre 或 v4-alpha elif len(cnts) == 3: cnts = cnts[1] else: raise Exception(("Contours tuple must have length 2 or 3, " "otherwise OpenCV changed their cv2.findContours return " "signature yet again. Refer to OpenCV's documentation " "in that case")) return cnts def resize(image, width=None, height=None, inter=cv2.INTER_AREA): dim = None (h, w) = image.shape[:2] # 如果高和寬為None則直接返回 if width is None and height is None: return image # 檢查寬是否是None if width is None: # 計(jì)算高度的比例并并按照比例計(jì)算寬度 r = height / float(h) dim = (int(w * r), height) # 高為None else: # 計(jì)算寬度比例,并計(jì)算高度 r = width / float(w) dim = (width, int(h * r)) resized = cv2.resize(image, dim, interpolation=inter) # return the resized image return resized
grab_contours 對(duì)于opencv不同版本做了兼容處理。
resize等比例改變圖片的大小。
命令行參數(shù) ap = argparse.ArgumentParser() ap.add_argument("-v", "--video", help="path to video") ap.add_argument("-b", "--buffer", type=int, default=64, help="max buffer size") args = vars(ap.parse_args()) # 綠色樹(shù)葉的HSV色域空間范圍 greenLower = (29, 86, 6) greenUpper = (64, 255, 255) pts = deque(maxlen=args["buffer"]) vs = cv2.VideoCapture(0) fps = 30 #保存視頻的FPS,可以適當(dāng)調(diào)整 size=(600,450) fourcc=cv2.VideoWriter_fourcc(*'XVID') videowrite=cv2.VideoWriter('output.avi',fourcc,fps,size)
定義參數(shù)
–video :視頻文件的路徑或者攝像頭的id
–buffer 是 deque 的最大大小,它維護(hù)我們正在跟蹤的球的先前 (x, y) 坐標(biāo)列表。 這個(gè)雙端隊(duì)列允許我們繪制球的“軌跡”,詳細(xì)說(shuō)明它過(guò)去的位置。 較小的隊(duì)列將導(dǎo)致較短的尾部,而較大的隊(duì)列將產(chǎn)生較長(zhǎng)的尾部
定義hsv空間的上限和下限
啟動(dòng)攝像頭0
最后是保存定義VideoWriter對(duì)象,實(shí)現(xiàn)對(duì)視頻的寫入功能
while True: ret_val, frame = vs.read() if ret_val is False: break frame = resize(frame, width=600) # 通過(guò)高斯濾波去除掉一些高頻噪聲,使得重要的數(shù)據(jù)更加突出 blurred = cv2.GaussianBlur(frame, (11, 11), 0) # 將圖片轉(zhuǎn)為HSV hsv = cv2.cvtColor(blurred, cv2.COLOR_BGR2HSV) # inRange的作用是根據(jù)閾值進(jìn)行二值化:閾值內(nèi)的像素設(shè)置為白色(255),閾值外的設(shè)置為黑色(0) mask = cv2.inRange(hsv, greenLower, greenUpper) # 腐蝕(erode)和膨脹(dilate)的作用: # 1. 消除噪聲; # 2. 分割(isolate)獨(dú)立的圖像元素,以及連接(join)相鄰的元素; # 3. 尋找圖像中的明顯的極大值區(qū)域或極小值區(qū)域 mask = cv2.erode(mask, None, iterations=2) mask = cv2.dilate(mask, None, iterations=2)
開(kāi)啟一個(gè)循環(huán),該循環(huán)將一直持續(xù)到 (1) 我們按下 q 鍵,表明我們要終止腳本或 (2) 我們的視頻文件到達(dá)終點(diǎn)并用完幀。
讀取一幀,返回兩個(gè)參數(shù),第一個(gè)參數(shù)是否成功,第二個(gè)參數(shù)是一幀圖像。
如果失敗則break。
對(duì)圖像進(jìn)行了一些預(yù)處理。首先,我們將框架的大小調(diào)整為 600 像素的寬度??s小幀使我們能夠更快地處理幀,從而提高 FPS(因?yàn)槲覀円幚淼膱D像數(shù)據(jù)更少)。然后我們將模糊框架以減少高頻噪聲,并使我們能夠?qū)W⒂诳蚣軆?nèi)的結(jié)構(gòu)物體,例如球。最后,我們將幀轉(zhuǎn)換為 HSV 顏色空間。
通過(guò)調(diào)用 cv2.inRange 處理幀中綠球的實(shí)際定位。首先為綠色提供下 HSV 顏色邊界,然后是上 HSV 邊界。 cv2.inRange 的輸出是一個(gè)二進(jìn)制掩碼,
# 尋找輪廓,不同opencv的版本cv2.findContours返回格式有區(qū)別,所以調(diào)用了一下imutils.grab_contours做了一些兼容性處理 cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = grab_contours(cnts) center = None # only proceed if at least one contour was found if len(cnts) > 0: # find the largest contour in the mask, then use it to compute the minimum enclosing circle # and centroid c = max(cnts, key=cv2.contourArea) ((x, y), radius) = cv2.minEnclosingCircle(c) M = cv2.moments(c) # 對(duì)于01二值化的圖像,m00即為輪廓的面積, 一下公式用于計(jì)算中心距 center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"])) # only proceed if the radius meets a minimum size if radius > 10: # draw the circle and centroid on the frame, then update the list of tracked points cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2) cv2.circle(frame, center, 5, (0, 0, 255), -1) pts.appendleft(center) for i in range(1, len(pts)): # if either of the tracked points are None, ignore them if pts[i - 1] is None or pts[i] is None: continue # compute the thickness of the line and draw the connecting line thickness = int(np.sqrt(args["buffer"] / float(i + 1)) * 2.5) cv2.line(frame, pts[i - 1], pts[i], (0, 0, 255), thickness) cv2.imshow("Frame", frame) videowrite.write(frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break videowrite.release() vs.release() cv2.destroyAllWindows()
計(jì)算圖像中對(duì)象的輪廓。在接下來(lái)的行中,將球的中心 (x, y) 坐標(biāo)初始化為 None。
檢查以確保在掩碼中至少找到一個(gè)輪廓。假設(shè)至少找到一個(gè)輪廓,找到 cnts 列表中最大的輪廓,計(jì)算 blob 的最小包圍圓,然后計(jì)算中心 (x, y) 坐標(biāo)(即“質(zhì)心”)。
快速檢查以確保最小包圍圓的半徑足夠大。如果半徑通過(guò)測(cè)試,我們?nèi)缓螽媰蓚€(gè)圓圈:一個(gè)圍繞球本身,另一個(gè)表示球的質(zhì)心。
然后,將質(zhì)心附加到 pts 列表中。
循環(huán)遍歷每個(gè) pts。如果當(dāng)前點(diǎn)或前一個(gè)點(diǎn)為 None(表示在該給定幀中沒(méi)有成功檢測(cè)到球),那么我們忽略當(dāng)前索引繼續(xù)循環(huán)遍歷 pts。
如果兩個(gè)點(diǎn)都有效,我們計(jì)算軌跡的厚度,然后將其繪制在框架上。
到此這篇關(guān)于通過(guò)OpenCV實(shí)現(xiàn)對(duì)指定顏色的物體追蹤的文章就介紹到這了,更多相關(guān)OpenCV對(duì)指定顏色的物體追蹤內(nèi)容請(qǐng)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 實(shí)現(xiàn)自動(dòng)遠(yuǎn)程登陸scp文件實(shí)例代碼
這篇文章主要介紹了python 實(shí)現(xiàn)自動(dòng)遠(yuǎn)程登陸scp文件實(shí)例代碼的相關(guān)資料,需要的朋友可以參考下2017-03-03Python實(shí)現(xiàn)光速定位并提取兩個(gè)文件的不同之處
如果你經(jīng)常與Excel或Word打交道,那么從兩份表格/文檔中找到不一樣的元素是一件讓人很頭疼的工作。本文就將以兩份真實(shí)的Excel/Word文件為例,講解如何使用Python光速對(duì)比并提取文件中的不同之處2022-08-08Python中Matplotlib圖像添加標(biāo)簽的方法實(shí)現(xiàn)
本文主要介紹了Python中Matplotlib圖像添加標(biāo)簽的方法實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-04-04更改Ubuntu默認(rèn)python版本的兩種方法python-> Anaconda
當(dāng)你安裝 Debian Linux 時(shí),安裝過(guò)程有可能同時(shí)為你提供多個(gè)可用的 Python 版本,因此系統(tǒng)中會(huì)存在多個(gè) Python 的可執(zhí)行二進(jìn)制文件。一般Ubuntu默認(rèn)的Python版本都為2.x, 如何改變Python的默認(rèn)版本呢?下面來(lái)一起看看吧。2016-12-12python正則表達(dá)式匹配不包含某幾個(gè)字符的字符串方法
今天小編就為大家分享一篇python正則表達(dá)式匹配不包含某幾個(gè)字符的字符串方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-07-07Pyramid將models.py文件的內(nèi)容分布到多個(gè)文件的方法
默認(rèn)的Pyramid代碼結(jié)構(gòu)中,就只有一個(gè)models.py文件,在實(shí)際項(xiàng)目中,如果需要對(duì)models進(jìn)行分類,放到不同文件下,應(yīng)該怎么辦2013-11-11python列表推導(dǎo)和生成器表達(dá)式知識(shí)點(diǎn)總結(jié)
在本篇文章里小編給大家整理的是關(guān)于python列表推導(dǎo)和生成器表達(dá)式的相關(guān)知識(shí)點(diǎn)內(nèi)容,需要的朋友們可以參考下。2020-01-01pycharm配置安裝autopep8自動(dòng)規(guī)范代碼的實(shí)現(xiàn)
這篇文章主要介紹了pycharm配置安裝autopep8自動(dòng)規(guī)范代碼的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03python調(diào)用系統(tǒng)中應(yīng)用程序的函數(shù)示例
這篇文章主要為大家介紹了python調(diào)用系統(tǒng)中應(yīng)用程序詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-06-06