Opencv实现停车位识别思路详解题 用python实现

1.实现的思路

（1）首先使用一个处理画框的程序，将图片中的有车和无车的停车位给画出来，并且保存坐标（如果画错了，将鼠标移至要删除的框中，右击鼠标，即可删除）；

1 2 3 4 5 6 7 8 9 10 11

#定义回调函数 def mouseClick(events,x,y,flags,params):     #按下鼠标左键，将点击的坐标(x,y)保存到position列表中     if (events&cv2.EVENT_LBUTTONDOWN==cv2.EVENT_LBUTTONDOWN):         position.append((x,y))     #按下鼠标右键时，移除选中的框     if (events&cv2.EVENT_RBUTTONDOWN==cv2.EVENT_RBUTTONDOWN):         for i,pos in enumerate(position):             (x1,y1)=pos             if (x1<x<x1+img_width and y1<y<y1+img_height):                 position.pop(i)

（2）画好之后，关闭窗口，即可看到已经保存好坐标的文件，下次再运行程序时，不用再画框；程序会读出当前文件，将之前保存好的坐标加载出画出框。

1 2 3 4 5 6 7

#首先查看文件是否已经包含了CarParkPos文件 try:     with open('CarParkPos','rb') as fp:         position=pickle.load(fp) except:     # 存储所有停车位的坐标列表     position=[]

（3）主程序的思路
将摄像头读取的图片进行处理
Opencv基础知识点：
Python Opencv中基础的知识点_python_脚本之家
高斯去噪：
python Gabor滤波器讲解_python_脚本之家
局部二值化：
详解Python+OpenCV实现图像二值化_python_脚本之家
中值滤波：
python Gabor滤波器讲解_python_脚本之家
Opencv中获取卷积核：
Python Opencv中获取卷积核的实现代码_python_脚本之家
腐蚀操作：
OpenCV-Python实现腐蚀与膨胀的实例_python_脚本之家

1 2 3 4 5 6 7 8 9 10 11

#转换为灰度图     gray=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2GRAY)     #高斯去噪     gauss=cv2.GaussianBlur(src=gray,ksize=(3,3),sigmaX=0)     #图像二值化处理     thresh=cv2.adaptiveThreshold(src=gauss,maxValue=255,adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C,             thresholdType=cv2.THRESH_BINARY_INV,blockSize=21,C=16)     # 中值滤波操作     median=cv2.medianBlur(src=thresh,ksize=3)     #腐蚀操作     dilate=cv2.dilate(src=median,kernel=kernel,iterations=1)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

for pos in position:     (x,y)=pos     mask=dilate[y:y+img_height,x:x+img_width]     # cv2.imshow(str(x*y),mask)     #返回灰度值不为0的像素数，可用来判断图像是否全黑。     count=cv2.countNonZero(mask)     #当计算的count低于800,表示是一个空位     if count<800:         countBlackCar+=1         color=(0,255,0)         thickness=3     else:         color=(0,0,255)         thickness=2     cv2.rectangle(img=frame, pt1=(pos[0], pos[1]),                   pt2=(pos[0] + img_width, pos[1] + img_height),                   color=color, thickness=thickness)     cvzone.putTextRect(img=frame, text=str(count), pos=(x + 3, y + img_height - 5),                        scale=0.8, thickness=1, offset=0,colorR=color)

参考视频教程：【英文字幕】基于Python+OpenCV的停车位识别_哔哩哔哩_bilibili（建议看懂视频中的思路）
注：代码不重要，主要是学会给出的链接中这位博主的思路。使用更加简单的方法解决问题，但是呢？这种方法我认为主要是为解决那种固定摄像头拍摄的停车位，因为我们标注的坐标是固定的（但是可以利用深度学习提取有车和无车的特征进行识别，定位的可以使用Opencv来解决）。

2.整体代码实战

（1）ParkingSpacePicker.py

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

import os import cv2 import pickle #首先查看文件是否已经包含了CarParkPos文件 try:     with open('CarParkPos','rb') as fp:         position=pickle.load(fp) except:     # 存储所有停车位的坐标列表     position=[] #停车位的高宽 img_width,img_height=47,88 #定义回调函数 def mouseClick(events,x,y,flags,params):     #按下鼠标左键，将点击的坐标(x,y)保存到position列表中     if (events&cv2.EVENT_LBUTTONDOWN==cv2.EVENT_LBUTTONDOWN):         position.append((x,y))     #按下鼠标右键时，移除选中的框     if (events&cv2.EVENT_RBUTTONDOWN==cv2.EVENT_RBUTTONDOWN):         for i,pos in enumerate(position):             (x1,y1)=pos             if (x1<x<x1+img_width and y1<y<y1+img_height):                 position.pop(i)     with open('CarParkPos','wb') as fp:         pickle.dump(position,fp) while True:     img=cv2.imread('images/packing.png')     for pos in position:         cv2.rectangle(img=img,pt1=(pos[0],pos[1]),                       pt2=(pos[0]+img_width,pos[1]+img_height),                       color=(0,255,0),thickness=2)     cv2.imshow('Packing',img)     #设置鼠标事件     cv2.setMouseCallback('Packing',mouseClick)     key=cv2.waitKey(1)     if key==27:         break cv2.destroyAllWindows() if __name__ == '__main__':     print('Pycharm')

（2）main.py

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77

import os import cv2 import pickle import cvzone with open('CarParkPos', 'rb') as fp:     position = pickle.load(fp) #停车位的高宽 img_width,img_height=47,88 cap=cv2.VideoCapture('video/packing-3.mp4') def checkParkingSpace(dilate):     countBlackCar=0     for pos in position:         (x,y)=pos         mask=dilate[y:y+img_height,x:x+img_width]         # cv2.imshow(str(x*y),mask)         #返回灰度值不为0的像素数，可用来判断图像是否全黑。         count=cv2.countNonZero(mask)         #当计算的count低于800,表示是一个空位         if count<800:             countBlackCar+=1             color=(0,255,0)             thickness=3         else:             color=(0,0,255)             thickness=2         cv2.rectangle(img=frame, pt1=(pos[0], pos[1]),                       pt2=(pos[0] + img_width, pos[1] + img_height),                       color=color, thickness=thickness)         cvzone.putTextRect(img=frame, text=str(count), pos=(x + 3, y + img_height - 5),                            scale=0.8, thickness=1, offset=0,colorR=color)     return countBlackCar #获取卷积核 kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(3,3)) while cap.isOpened():     #循环播放视频文件     if cap.get(cv2.CAP_PROP_POS_FRAMES)==cap.get(cv2.CAP_PROP_FRAME_COUNT):         cap.set(cv2.CAP_PROP_POS_FRAMES,0)     ret,frame=cap.read()     # frame=cv2.resize(src=frame,dsize=(750,600))     height,width,channel=frame.shape     if not ret:         break     #转换为灰度图     gray=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2GRAY)     #高斯去噪     gauss=cv2.GaussianBlur(src=gray,ksize=(3,3),sigmaX=0)     #图像二值化处理     thresh=cv2.adaptiveThreshold(src=gauss,maxValue=255,adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C,             thresholdType=cv2.THRESH_BINARY_INV,blockSize=21,C=16)     # 中值滤波操作     median=cv2.medianBlur(src=thresh,ksize=3)     #腐蚀操作     dilate=cv2.dilate(src=median,kernel=kernel,iterations=1)     cntCar=checkParkingSpace(dilate)     cvzone.putTextRect(img=frame,text="BlackPosition: "+str(cntCar),                        pos=(20,height-80),scale=1.0,thickness=2)     cv2.imshow('img',frame)     # cv2.imshow('thresh',thresh)     # cv2.imshow('median',median)     # cv2.imshow('dilate',dilate)     key=cv2.waitKey(30)     if key==27:         break cv2.destroyAllWindows() if __name__ == '__main__':     print('Pycharm')

（3）视频效果

停车位识别演示

注：视频自己做的比较差，建议读者最好自己尝试实现这个思路。

到此这篇关于Opencv实现停车位识别的文章就介绍到这了,更多相关Opencv实现停车位识别内容请关注微信公众号经纬数智