使用OpenCV-python实现颜色特征跟踪视频中的物体

用颜色特征跟踪视频中的物体

问题背景和基本思路

在这里插入图片描述
这里模拟提取图片中的手机壳。

发现手机壳有一个显著的特征,就是颜色基本都是蓝色。

所以这里尝试把”蓝色“区域提取出来,然后绘制一个长方形包络这个蓝色区域。

核心代码

蓝色是一个广义的概念,对应到RGB中,其实是一个范围,设定蓝色的范围:

# 设置蓝色的上下界,即蓝色的范围
blueLower = np.array([100,67,0],dtype = "uint8")
blueUpper = np.array([255,128,50],dtype = "uint8")

找出属于蓝色区间的区域:

# 找出图片中的蓝色区域,返回的其实是一个蒙版
blue = cv2.inRange(frame,blueLower,blueUpper)

这个blue实际上是一个蒙版

在这里插入图片描述

对提取出来的轮廓,按

  • 2
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以帮你解答关于使用OpenCVPython库进行行人跟踪的问题。 首先,我们需要安装OpenCV库。你可以通过以下命令使用pip进行安装: ``` pip install opencv-python ``` 接下来,我们将使用Meanshift算法进行行人跟踪。Meanshift算法是一种基于颜色直方图的跟踪算法,它可以追踪物体在图像的位置。 下面是一个简单的Python代码示例,演示如何使用Meanshift算法进行行人跟踪: ```python import cv2 # 读取视频文件 cap = cv2.VideoCapture('pedestrians.mp4') # 读取第一帧 ret, frame = cap.read() # 定义感兴趣区域(ROI) x, y, w, h = 300, 200, 100, 100 track_window = (x, y, w, h) # 提取感兴趣区域(ROI)的直方图 roi = frame[y:y+h, x:x+w] hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV) roi_hist = cv2.calcHist([hsv_roi], [0], None, [180], [0,180]) cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX) # 定义Meanshift参数 term_crit = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1) while True: ret, frame = cap.read() if ret == True: # 将当前帧转换为HSV颜色空间 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 计算反向投影 dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1) # 应用Meanshift算法获取新的位置 ret, track_window = cv2.meanShift(dst, track_window, term_crit) # 绘制跟踪目标的区域 x, y, w, h = track_window img2 = cv2.rectangle(frame, (x, y), (x+w, y+h), 255, 2) cv2.imshow('img2', img2) # 按下 'q' 键退出 if cv2.waitKey(60) & 0xFF == ord('q'): break else: break cap.release() cv2.destroyAllWindows() ``` 在上面的代码,我们首先读取视频文件,并读取第一帧。我们选择感兴趣区域(ROI),并提取其直方图。然后,我们应用Meanshift算法追踪该区域,并在每个帧绘制跟踪目标的矩形。 注意,我们还应该定义一个退出条件,以确保程序在跟踪结束后正常退出。 希望这个示例能帮助你理解如何使用OpenCVPython库进行行人跟踪。如果你有任何其他问题,请随时问我。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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