opencv图片倾斜度检测（二）利用摄像头进行实时检测图片中物体并画出坐标轴和倾斜度

已于 2024-05-11 14:23:37 修改
阅读量6.6k 收藏 92
点赞数 9
分类专栏： 机器学习+opencv 文章标签： opencv 计算机视觉 python cv
于 2021-08-06 10:41:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a1105425455/article/details/119448087
版权

是在检测图片的基础上进行加工的 详情可看opencv图片倾斜度检（一）对图片进行检测
打开摄像头进行实时检测矩形轮廓，实时画出坐标轴坐标点和倾斜度，并且具有保存图片和利用plot单纯画出矩形的功能

直接上全部代码 注释已经比较详细了
如下：

from matplotlib.cm import register_cmap
import matplotlib.pyplot as plt
import cv2
import numpy as np
import imutils
import time
from scipy.spatial import distance as dist

#调用摄像头 函数
def read_usb_capture():
    # 选择摄像头的编号
    cap = cv2.VideoCapture(1, cv2.CAP_DSHOW)# 0是笔记本自带摄像头
    # 添加这句是可以用鼠标拖动弹出的窗体
    cv2.namedWindow('video', cv2.WINDOW_NORMAL)
    while (cap.isOpened()):#循环
        ret, frame = cap.read()#read放回2个值，第一个是True和False 是否打开 第二个是传入图像
        lunkuo(frame)#进行轮廓检测
        cv2.imshow('video', frame)#显示出来
        k = cv2.waitKey(1) & 0xFF#监听键盘
        if k == ord('s'):# 保存键
            cv2.imwrite("1.jpg", frame)
            img = cv2.imread('1.jpg')
            cv2.imshow('img',img)
        # 按下'q'就退出
        if k == ord('q'):#退出键
            break

    # 释放画面
    cap.release()
    cv2.destroyAllWindows()
def midpoint(ptA, ptB):#计算坐标中点函数
    return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5)
def show(img):  # 显示图片函数
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def lunkuo(img):#检测轮廓
    start = time.time()#计算检测时间
    img1_ = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度
    img_ = cv2.GaussianBlur(img1_, (5, 5), 0)  # 高斯滤波去噪点
    img__ = cv2.Canny(img_, 75, 200)  # Canny边缘检测

    img__ = cv2.dilate(img__, None, iterations=1)#扩张
    img__ = cv2.erode(img__, None, iterations=1)#腐蚀
    # 轮廓检测
    cnts = cv2.findContours(img__.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)  # 检测出所有轮廓
    cnts = cnts[1] if imutils.is_cv3() else cnts[0]  # opencv4写法
    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:]  # 排序得到前x个轮廓 可以根据图片自己设定

    #定义全局变量
    global screenCnt,box,rangle
    box = 0
    rangle = 0
    # 我的摄像头分辨率为640*480 在摄像头中框出最合适检测的地方
    cv2.line(img, (595, 45), (595, 435),
             (255, 0, 255), 1)
    cv2.line(img, (45, 435), (595, 435),
             (255, 0, 255), 1)
    cv2.line(img, (45, 45), (45, 435),
             (255, 0, 255), 1)
    cv2.line(img, (45, 45), (595, 45),
             (255, 0, 255), 1)
    cv2.line(img, (45, 45), (595, 45),
             (255, 0, 255), 1)
    cv2.circle(img, (45, 45), 2, (255, 0, 0), -1)#中心点
    cv2.putText(img, "(0,0)",
                (45, 435), cv2.FONT_HERSHEY_SIMPLEX,
                0.5, (0, 244, 245), 2)#摄像头的坐标轴原点是在左上角 自己设定坐标轴原点并显示
    #遍历轮廓
    for c in cnts:
        # 计算轮廓近似
        peri = cv2.arcLength(c, True)
        # C表示输入的点集
        # epsilon表示从原始轮廓到近似轮廓的最大距离，它是一个准确度参数
        # True表示封闭的
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)

        # 4个点的时候就拿出来 因为物品是矩阵形状
        if len(approx) == 4:
            screenCnt = approx  # 保存下来
            rangle = cv2.minAreaRect(screenCnt)[2]  # minAreaRect()函数返回角度 是最低的边到x水平坐标轴的角度
            box = cv2.cv.BoxPoints(cv2.minAreaRect(screenCnt)) if imutils.is_cv2() else cv2.boxPoints(
                cv2.minAreaRect(screenCnt))#得到四个最小矩阵的坐标点
            cv2.drawContours(img, [box.astype("int")], -1, (0, 255, 0), 2)#在图中画出来
            box = np.array(box, dtype="int")#转换类型
            (tl, tr, br, bl) = box#得到左上 右上 左下 右下的坐标点
            #计算中点
            (tltrX, tltrY) = midpoint(tl, tr)
            (blbrX, blbrY) = midpoint(bl, br)
            (tlblX, tlblY) = midpoint(tl, bl)
            (trbrX, trbrY) = midpoint(tr, br)
            #欧几里得度量
            dA = dist.euclidean((tltrX, tltrY), (blbrX, blbrY))
            dB = dist.euclidean((tlblX, tlblY), (trbrX, trbrY))


            #固定摄像头及分辨率时 要想测出所测物品的长度 需要参照物 先使用已知宽度的矩形进行测量 得到 像素宽/实际宽 = 每宽多少像素 并保存下来
            # print('DB:',dB)
            # i = 1
            # if i == 1:
            #     pixelsPerMetric = dB / 3.4
            # print(pixelsPerMetric)
            # i += 1


            pixelsPerMetric = 35.15#得到的比率


            #分辨率除以比率可以得到摄像头测的实际范围长度
            # print('H:',640/pixelsPerMetric)
            # print('w:',480/pixelsPerMetric)



            if pixelsPerMetric != 0:#防止出现检测中没有实物得不到比例而发生除以0的错误
                #实际宽度
                dimA = dA / pixelsPerMetric
                dimB = dB / pixelsPerMetric
                #显示宽度
                cv2.putText(img, "{:.1f}cm".format(dimB),
                            (int(tltrX - 15), int(tltrY - 10)), cv2.FONT_HERSHEY_SIMPLEX,
                            0.65, (225, 190, 0), 2)
                cv2.putText(img, "{:.1f}cm".format(dimA),
                            (int(trbrX + 10), int(trbrY)), cv2.FONT_HERSHEY_SIMPLEX,
                            0.65, (225, 190, 0), 2)
            #显示角度 此角度是经过变换后的 是我定义的坐标轴的矩形的最低点与x轴的夹角
            cv2.putText(img, "r:{:.1f}".format(90 - rangle),
                        (int(tltrX + 20), int(tltrY + 20)), cv2.FONT_HERSHEY_SIMPLEX,
                        0.65, (225, 190, 0), 2)

            #画出点的坐标的直线并显示坐标点数据 容易观察夹角的位置 并且可以利用坐标计算夹角
            cv2.line(img, (int(bl[0]), int(bl[1])), (int(bl[0]), 435),
                     (0, 244, 245), 1)
            cv2.putText(img, "({},{})".format(bl[0], 640 - bl[1]),
                        (int(bl[0] - 20), 415), cv2.FONT_HERSHEY_SIMPLEX,
                        0.4, (225, 190, 0), 1)

            cv2.line(img, (int(br[0]), int(br[1])), (int(br[0]), 435),
                     (0, 244, 245), 1)
            cv2.putText(img, "({},{})".format(br[0], 640 - br[1]),
                        (int(br[0]), 435), cv2.FONT_HERSHEY_SIMPLEX,
                        0.4, (225, 190, 0), 1)

            cv2.line(img, (int(bl[0]), int(bl[1])), (int(595), int(bl[1])),
                     (0, 244, 245), 1)

            end = time.time()#时间
            print("轮廓检测所用时间：{:.3f}ms".format((end - start) * 1000))

            #得到坐标点在plot上进行绘画以及保存
            # x = [-tr[0], -tl[0], -br[0], -bl[0], -tr[0]]
            # y = [tr[1], tl[1], br[1], bl[1], tr[1]]
            # plt.plot(x, y)
            # plt.axhline(y=min(y), c="r", ls="--", lw=2)
            # plt.title("rangel = {}".format(rangle))
            # for a, b in zip(x, y):
            #     plt.text(a, b, (a, b), ha='center', va='bottom', fontsize=10)
            #plt.savefig('D:\zuobiao.png')


            return img

read_usb_capture()#开始

代码结果如下：
在这里插入图片描述
新增一个按下d键打开轮廓的坐标图功能
将画图部分整合成函数，使用全局变量作为触发标志
代码如下：

from matplotlib.cm import register_cmap
import matplotlib.pyplot as plt
import cv2
import numpy as np
import imutils
import time
from scipy.spatial import distance as dist
from PIL import  Image

global d#全局变量拿来判断是否按下d
d = 0
#调用摄像头 函数
def read_usb_capture():
    # 选择摄像头的编号
    cap = cv2.VideoCapture(1, cv2.CAP_DSHOW)# 0是笔记本自带摄像头
    # 添加这句是可以用鼠标拖动弹出的窗体
    cv2.namedWindow('video', cv2.WINDOW_AUTOSIZE)
    cv2.resizeWindow("video", 640, 480)  # 设置长和宽

    while (cap.isOpened()):#循环
        ret, frame = cap.read()#read放回2个值，第一个是True和False 是否打开 第二个是传入图像
        lunkuo(frame)#进行轮廓检测
        cv2.imshow('video', frame)#显示出来
        k = cv2.waitKey(1) & 0xFF  # 监听键盘
        if k == ord('s'):# 保存键
            cv2.imwrite("1.jpg", frame)
            img = cv2.imread('1.jpg')
            cv2.imshow('img',img)
        # 按下'q'就退出
        if k == ord('q'):#退出键
            break
        if k == ord('d'):
            global d
            d = 1#作为画图触发条件
    # 释放画面
    cap.release()
    cv2.destroyAllWindows()

def plot(tl,tr,bl,br):#画图并且展示函数
    # 得到坐标点在plot上进行绘画以及保存
    x = [tl[0], tr[0], br[0], bl[0], tl[0]]
    y = [640 - tl[1], 640 - tr[1], 640 - br[1], 640 - bl[1], 640 - tl[1]]
    plt.plot(x, y)
    plt.axhline(y=min(y), c="r", ls="--", lw=2)
    plt.title("rangel = {}".format(90 - rangle))
    plt.axis("equal")
    for a, b in zip(x, y):
        plt.text(a, b, (a, b), ha='center', va='bottom', fontsize=10)
    plt.savefig('zuobiao.png')#保存下来
    plt.clf()#清除
    plt.cla()
    fp = open('zuobiao.png', 'rb')
    img = Image.open(fp)#打开并且展示
    img.show()

def midpoint(ptA, ptB):#计算坐标中点函数
    return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5)
def lunkuo(img):#检测轮廓
    start = time.time()#计算检测时间
    img1_ = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度
    img_ = cv2.GaussianBlur(img1_, (5, 5), 0)  # 高斯滤波去噪点
    img__ = cv2.Canny(img_, 75, 200)  # Canny边缘检测

    img__ = cv2.dilate(img__, None, iterations=1)#扩张
    img__ = cv2.erode(img__, None, iterations=1)#腐蚀
    # 轮廓检测
    cnts = cv2.findContours(img__.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)  # 检测出所有轮廓
    cnts = cnts[1] if imutils.is_cv3() else cnts[0]  # opencv4写法
    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:]  # 排序得到前x个轮廓 可以根据图片自己设定

    #定义全局变量
    global screenCnt,box,rangle
    box = 0
    rangle = 0
    # 我的摄像头分辨率为640*480 在摄像头中框出最合适检测的地方
    cv2.line(img, (595, 45), (595, 435),
             (255, 0, 255), 1)
    cv2.line(img, (45, 435), (595, 435),
             (255, 0, 255), 1)
    cv2.line(img, (45, 45), (45, 435),
             (255, 0, 255), 1)
    cv2.line(img, (45, 45), (595, 45),
             (255, 0, 255), 1)
    cv2.line(img, (45, 45), (595, 45),
             (255, 0, 255), 1)
    cv2.circle(img, (45, 45), 2, (255, 0, 0), -1)#中心点
    cv2.putText(img, "(0,0)",
                (45, 435), cv2.FONT_HERSHEY_SIMPLEX,
                0.5, (0, 244, 245), 2)#摄像头的坐标轴原点是在左上角 自己设定坐标轴原点并显示
    #遍历轮廓
    for c in cnts:
        # 计算轮廓近似
        peri = cv2.arcLength(c, True)
        # C表示输入的点集
        # epsilon表示从原始轮廓到近似轮廓的最大距离，它是一个准确度参数
        # True表示封闭的
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)

        # 4个点的时候就拿出来 因为物品是矩阵形状
        if len(approx) == 4:
            screenCnt = approx  # 保存下来
            rangle = cv2.minAreaRect(screenCnt)[2]  # minAreaRect()函数返回角度 是最低的边到x水平坐标轴的角度
            box = cv2.cv.BoxPoints(cv2.minAreaRect(screenCnt)) if imutils.is_cv2() else cv2.boxPoints(
                cv2.minAreaRect(screenCnt))#得到四个最小矩阵的坐标点
            cv2.drawContours(img, [box.astype("int")], -1, (0, 255, 0), 2)#在图中画出来
            box = np.array(box, dtype="int")#转换类型
            (tl, tr, br, bl) = box#得到左上 右上 左下 右下的坐标点
            #计算中点
            (tltrX, tltrY) = midpoint(tl, tr)
            (blbrX, blbrY) = midpoint(bl, br)
            (tlblX, tlblY) = midpoint(tl, bl)
            (trbrX, trbrY) = midpoint(tr, br)
            #欧几里得度量
            dA = dist.euclidean((tltrX, tltrY), (blbrX, blbrY))
            dB = dist.euclidean((tlblX, tlblY), (trbrX, trbrY))


            #固定摄像头及分辨率时 要想测出所测物品的长度 需要参照物 先使用已知宽度的矩形进行测量 得到 像素宽/实际宽 = 每宽多少像素 并保存下来
            # print('DB:',dB)
            # i = 1
            # if i == 1:
            #     pixelsPerMetric = dB / 3.4
            # print(pixelsPerMetric)
            # i += 1


            pixelsPerMetric = 35.15#得到的比率


            #分辨率除以比率可以得到摄像头测的实际范围长度
            # print('H:',640/pixelsPerMetric)
            # print('w:',480/pixelsPerMetric)



            if pixelsPerMetric != 0:#防止出现检测中没有实物得不到比例而发生除以0的错误
                #实际宽度
                dimA = dA / pixelsPerMetric
                dimB = dB / pixelsPerMetric
                #显示宽度
                cv2.putText(img, "{:.1f}cm".format(dimB),
                            (int(tltrX - 15), int(tltrY - 10)), cv2.FONT_HERSHEY_SIMPLEX,
                            0.65, (225, 190, 0), 2)
                cv2.putText(img, "{:.1f}cm".format(dimA),
                            (int(trbrX + 10), int(trbrY)), cv2.FONT_HERSHEY_SIMPLEX,
                            0.65, (225, 190, 0), 2)
            #显示角度 此角度是经过变换后的 是我定义的坐标轴的矩形的最低点与x轴的夹角
            cv2.putText(img, "r:{:.1f}".format(90 - rangle),
                        (int(tltrX + 20), int(tltrY + 20)), cv2.FONT_HERSHEY_SIMPLEX,
                        0.65, (225, 190, 0), 2)

            #画出点的坐标的直线并显示坐标点数据 容易观察夹角的位置 并且可以利用坐标计算夹角
            cv2.line(img, (int(bl[0]), int(bl[1])), (int(bl[0]), 435),
                     (0, 244, 245), 1)
            cv2.putText(img, "({},{})".format(bl[0], 640 - bl[1]),
                        (int(bl[0] - 20), 415), cv2.FONT_HERSHEY_SIMPLEX,
                        0.4, (225, 190, 0), 1)

            cv2.line(img, (int(br[0]), int(br[1])), (int(br[0]), 435),
                     (0, 244, 245), 1)
            cv2.putText(img, "({},{})".format(br[0], 640 - br[1]),
                        (int(br[0]), 435), cv2.FONT_HERSHEY_SIMPLEX,
                        0.4, (225, 190, 0), 1)

            cv2.line(img, (int(bl[0]), int(bl[1])), (int(595), int(bl[1])),
                     (0, 244, 245), 1)

            end = time.time()#时间
            print("轮廓检测所用时间：{:.3f}ms".format((end - start) * 1000))
            global d
            if d == 1:#触发条件
                plot(tl, tr, bl, br)#画图
                d = 0#清除标志

            return  img

read_usb_capture()#开始

按下 d 结果如下：在这里插入图片描述

亚伯拉罕·黄肯
关注
  • 9
    点赞
  • 踩
  • 92
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
流水线鸡蛋检测
lhm383的专栏
02-18 451
第一章外圆检测 第二章内圆检测 第三章椭圆及圆检测 ------------------------------详细分割线-------------------------------------------- 第一章外圆检测 首先可以发现原彩图的背景统一是黑色的，所以对RGB通道进行背景过滤 th_black=15 if A(fi,fj,1)>th_black||A(fi,fj,2)>th_black||A(fi,fj,3)>th_black ...
【opencv-java】图片的水平和垂直翻转
gwcgwcjava的专栏
09-14 225
用的方法是flip 代码： package com.xs.test; import org.opencv.core.Core; import org.opencv.core.Mat; import org.opencv.highgui.HighGui; import org.opencv.imgcodecs.Imgcodecs; public class ImgFlip { public static void main(String[] args) { // TODO Auto-gene
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
最新发布
csdn_xmj的博客
04-09 963
本文将介绍如何使用OpenCV确定对象的方向(即旋转角度，以度为单位)。
OpenCV-Python学习笔记（使用opencv识别物体的位置，找到中心点位）
热门推荐
qq_42145185的博客
11-18 4万+
使用opencv识别物体的位置，找到中心点位： 步骤：先拿到图像-->进行高斯滤波-->进行灰度处理-->进行二值化-->进行开运算-->轮廓提取-->计算中心点位 效果图如下： 代码如下： import cv2 import numpy as np #读取图片 def ReadImg(): img = cv2.imread('1.p......
QT+opencv识别不规则图形并获取坐标
weixin_35752122的博客
01-10 913
QT是一种跨平台的图形用户界面库，而OpenCV是一个计算机视觉库。如果你想使用QT和OpenCV识别不规则图形并获取坐标，你可以这样做： 使用QT创建一个图形用户界面，包含一个按钮和一个绘图区域。 在绘图区域中绘制你想要识别的不规则图形。 点击按钮时，使用OpenCV的轮廓检测功能识别图形的轮廓。 使用OpenCV函数获取轮廓的坐标并显示在QT的用户界面上。 你可以参考OpenCV的文档了解...
用opencv识别颜色并输出坐标
weixin_63761958的博客
02-19 2411
参考。
使用opencv在图片上绘制矩形框，查看图片中某点坐标坐标点
一个兴趣使然CVer的博客
03-16 5247
python下opencv获取图像上某位置的坐标点信息
opencv图片倾斜度检测（一）对图片进行检测
a1105425455的博客
07-31 7586
利用opencv检测图片倾斜度 1.利用最小矩阵函数minAreaRect得到旋转角度 import cv2 import numpy as np import imutils def show(img):#显示函数 cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows() def bianyuan(img):#边缘处理 img_ = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换
热视觉3：使用Python和OpenCV的发烧探测器（图像/视频/摄像头实时视频流人脸温度检测）
05-29
将 Haar 级联算法应用于热图像中的人脸，然后在热视频序列中，最后使用 USB 视频类 （UVC） 热像仪。...haarcascade_frontalface_alt2.xml 预先训练的人脸检测器，由OpenCV库（GitHub）的开发人员和维护人员提供。
使用 OpenCV 在 Python 中进行实时摄像头人脸检测
04-03
检测到的人脸会用方框标出，并在屏幕上显示出来。 face_detection_video.py可用于在实时视频中检测人脸。它可以从摄像头读取视频流，并在屏幕上显示检测到的人脸。用户可以选择在视频中保存检测到的人脸，以便进一步...
使用Python和OpenCV从图像/视频/实时摄像头流中测量任意一点的温度
05-29
measure_camera_video_temperature.py 测试实时摄像头视频流温度 plot_bar.py measure_image_click_temperature.py 鼠标时间测试任意一点温度 images/ 测试照片 lighter_gray16_image.tiff pygame_icon.tiff 测试...
基于OpenCvSharp的图片倾斜校正
03-31
开发环境VS2015,C#平台基于OpenCV的图片倾斜校正小Demo,内含工程和用于测试的图片。倾斜校正流程为: Canny边缘检测、形态学膨胀、概率霍夫变换直线查找、角度计算、图片旋转。
opencv项目4---识别物体形状及轮廓并作显示
Superman980527的博客
09-13 1982
识别物体形状及轮廓并作显示
OpenCV-获取图像上起点到终点间所有点坐标
qq_29123957的博客
05-30 1871
C++ opencv 检测图像中起点到终点所有点坐标
特定标签检测
qq_32740315的博客
03-12 328
方法1 参考连接： https://www.jaspr.me/extract-color-card-with-python-and-opencv/ 参考这种方法检测的步骤是： 通过颜色分割 ——> canny——>轮廓筛选——> 确定目标(角点)——>矫正 ——> 编码解码 轮廓筛选部分包括： 面积、长宽比例、轮廓的层级筛选 可以看到 蓝色的是我绘制出的轮廓，绿色是我绘制出的四条边（也就是检测角点地方），可以看到对于倾斜的标签检测效果很不理想。 检测如下所示： 参考代码：
java开发实战1200例（II）----------034图像倾斜
zdm198255的博客
10-12 329
package ShearImageTest; import java.awt.Graphics; import java.awt.Graphics2D; import java.awt.Image; import java.awt.Toolkit; import javax.swing.JFrame; import javax.swing.JPanel; public class Shea...
java OpenCV实现扫描仪图片倾斜矫正
lyzhou2的博客
03-07 7440
java 实现图片倾斜角度计算及图片矫正
OpenCV C++案例实战二十七《角度测量》
Zero___Chen的博客
07-16 4448
本案例通过使用OpenCV中的鼠标点击事件进行物体角度测量。以鼠标点击三点确定一个角度。第一个点即为需要测量角度所在位置点（中心点），第二、三点确定角度。本文使用OpenCVC++进行物体角度测量，主要操作有以下几点。1、利用鼠标响应事件取点，三点确定一个角度2、利用两直线角度公式计算直线角度，注意弧度转角度3、绘制圆弧，便于显示。注意某一点绕任意点旋转θ角度后的坐标计算公式。httpshttpshttpshttpshttps。......
opencv识别物体的旋转角度方向/XY坐标OpenCV机器视觉计算机视觉引导机械手定位抓取
lmh_198204的博客
08-24 1万+
1. 概述 本文针对OpenCV中的”SIFT”、”SURF”、”FAST” 对学习过的图像进行匹配计算XY坐标和旋转 角度做个简单的实验。 2. 前提准备 安装好opencv-2.4.10，VS2010，Web摄像头，要识别的物体或场景 3. 打开文件，将OperatorType设置1，运行代码，提取感兴趣区域ROI while(1){...
利用摄像头基于Python-OpenCV实现蓝色物体检测并打印中心坐标
04-25
好的，我理解了您的要求。首先，您需要安装OpenCV和Python。然后，您可以使用以下代码实现蓝色物体检测并打印中心坐标： ```python import cv2 # 定义蓝色区间 lower_blue = (100, 50, 50) upper_blue = (130, 255, 255) # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取摄像头中的帧 ret, frame = cap.read() # 转化为HSV颜色空间 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 创建一个掩膜，只显示蓝色 mask = cv2.inRange(hsv, lower_blue, upper_blue) # 寻找轮廓 contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 如果存在轮廓 if contours: # 找到面积最大的轮廓 c = max(contours, key=cv2.contourArea) # 计算轮廓的中心坐标 M = cv2.moments(c) cx = int(M['m10'] / M['m00']) cy = int(M['m01'] / M['m00']) # 在图像上标出中心坐标 cv2.circle(frame, (cx, cy), 5, (0, 0, 255), -1) # 打印中心坐标 print("Center coordinates: ({}, {})".format(cx, cy)) # 显示图像 cv2.imshow('frame', frame) # 按q键退出 if cv2.waitKey(1) == ord('q'): break # 释放摄像头并关闭窗口 cap.release() cv2.destroyAllWindows() ``` 希望这个代码可以帮助您。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值