opencv对车道进行检测，并输出巡线的中点

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
from skimage.draw import line
import imutils
import time

def do_canny(frame): #灰度-高斯-canny边缘
    # 边缘检测
    gray = cv.cvtColor(frame, cv.COLOR_RGB2GRAY)  # 从RGB颜色空间转换到灰度空间
    # 使用11*11的高斯模糊 具体参数自己调
    blur = cv.GaussianBlur(gray, (11, 11), 0)
    # 边缘检测最小值50 最大值150
    canny = cv.Canny(blur, 50, 150)  # 第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；第二个参数是阈值1；第三个参数是阈值2。
    return canny


def do_segment(frame):
    # 区域遮罩
    polygons = np.array([  #左上 右上 右下 左下
        [(50, 300), (540, 300), (540, 360), (50, 360)]
    ])  # 创建数组构建多边形选定感兴趣区

    mask = np.zeros_like(frame)  # 构建一个与frame同维度的数组，并初始化所有变量为零。
    cv.fillPoly(mask, polygons, 255)  # 绘制多边形并对其填充
    segment = cv.bitwise_and(frame, mask)  # RGB图像选取掩膜（mask）选定的区域
    return segment



def do_color(img):  # 对车道线进行轮廓识别
    img = np.where(img < 100, 0, 255).astype(np.uint8)  # 满足条件(img < 100)，输出0，不满足输出255。
    conts, _ = cv.findContours(img, mode=cv.RETR_EXTERNAL, method=cv.CHAIN_APPROX_SIMPLE)  # 查找检测物体的轮廓。
    img = cv.cvtColor(img, cv.COLOR_GRAY2BGR)  # 从灰度空间转换到BGR颜色空间
    img = img.copy()  # 复制图像
    cv.drawContours(img, conts, -1, (0, 255, 0),
                    1)  # 轮廓绘制，第一个参数是指明在哪幅图像上绘制轮廓，第二个参数是轮廓本身，第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓
    return img


def do_center(image):  # 处理中心点
    gray = image
    blurred = cv.GaussianBlur(gray, (5, 5), 0)  # 高斯滤波减噪
    thresh = cv.threshold(blurred, 60, 255, cv.THRESH_BINARY)[1]  # 阈值处理
    cnts = cv.findContours(thresh.copy(), cv.RETR_EXTERNAL,  # 查找检测物体的轮廓。
                           cv.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)  # 返回cnts中的countors(轮廓)
    for c in cnts:
        M = cv.moments(c)  # 图像矩， M['m00'] 表示轮廓面积
        if M["m00"] == 0:
            continue
        cX = int(M["m10"] / M["m00"])
        cY = int(M["m01"] / M["m00"])
        cv.drawContours(image, [c], -1, (0, 255, 0), 2)
        cv.circle(image, (cX, cY), 7, (255, 255, 255), -1)  # 根据给定的圆心和半径等画圆
        cv.putText(image, "center", (cX - 20, cY - 20), cv.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)  # 文字绘制
        posex = cX
        posey = cY
        print("中点坐标为(x=", posex, ",y=", posey, ")")  # 输出中心点坐标
    return image


def image_resize(image):  # 将图片改为（，）大小
    image = cv.resize(image, (640, 480))  # 更改图片大小为640*480
    return image


cap = cv.VideoCapture("1.mp4")  # 把素材视频放到对应地址
start_time = time.time()  # 计算代码运行时间
counter = 0

# 获取视频的帧率
fps = cap.get(cv.CAP_PROP_FPS)  # 视频平均帧率
# 设置视频的帧率
cap.set(cv.CAP_PROP_FPS, fps)
print(fps)
print(cap.get(3))
print(cap.get(4))
while cap.isOpened():
    ret, frame = cap.read()  # 视频读取
    key = cv.waitKey(1) & 0xff
    if key == ord(" "):  # 空格暂停
        cv.waitKey(0)
    if key == ord("q"):  # q键结束
        break
    if cv.waitKey(1) & 0xFF == ord('q'):
        break
    if not ret:
        print('视频读完！')  # 若视频结束显示视频读完！
        break

    counter += 1  # 计算帧数

    if (time.time() - start_time) != 0:  # 实时显示帧数
        cv.putText(frame, "FPS {0}".format(float('%.1f' % (counter / (time.time() - start_time)))), (50, 50),
                   cv.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255),
                   3)  # 文字绘制
        cv.imshow("initial", image_resize(frame))  # 展示初始图像

        canny = do_canny(frame)
        cv.imshow("canny", image_resize(canny))

        segment_canny = do_segment(canny)
        segment = do_segment(frame)
        cv.imshow("segment+canny", image_resize(segment_canny))
        cv.imshow("segment", image_resize(segment))

        #对segment_canny进行处理
        color = do_color(segment_canny)
        cv.imshow("color", image_resize(color))

        center = do_center(segment_canny)
        cv.imshow("center", image_resize(center))

        counter = 0
        start_time = time.time()
        cv.waitKey(20)
cap.release()  # 需要放置在while循环体外。发布软件资源，释放硬件资源
cv.destroyAllWindows()  # 用来删除窗口，（）里不指定任何参数，则删除所有窗口，删除特定的窗口，往（）输入特定的窗口值。