(1)实验背景
随着计算机视觉技术的快速发展,图像处理和分析在许多领域中都得到了广泛的应用,包括机器人视觉、医疗图像处理、视频监控、人脸识别等。在这些应用中,颜色轮廓跟踪是一项重要的技术,它可以用于识别和追踪图像中的特定对象。
OpenCV(Open Source Computer Vision)是一个开源的计算机视觉库,包含了大量的图像处理和计算机视觉的算法。由于其强大的功能和开源的特性,OpenCV已经成为了计算机视觉领域的标准库。
(2)实验材料
实验视频链接:https://pan.baidu.com/s/1ndDxPDCt1_HwxwWQtyNsng
提取码:2lrt
(3)实验简介
本实验将使用OpenCV库来实现一个基于视频的颜色轮廓跟踪;该实验最终效果能够在视频中识别和追踪红色、绿色和蓝色的物体。
通过本实验,我们可以深入理解颜色轮廓跟踪的原理和方法,同时也可以掌握OpenCV在实际问题中的应用。
(4)实施步骤
1、导入NumPy和OpenCV两个库。NumPy是Python的一个开源的数值计算扩展库,提供了矩阵运算的功能;OpenCV是一个开源的计算机视觉库,包含了众多的图像和视频处理功能。同时定义一个字体变量font,这个字体将被用于在图像上添加文本。这里我们使用的字体是OpenCV中的Hershey Simplex字体。
# 导入所需的库
import numpy as np
import cv2
# 定义字体
font = cv2.FONT_HERSHEY_SIMPLEX
2、接着定义在HSV颜色空间中的绿色、红色和蓝色的阈值范围。每种颜色都有一个低阈值和一个高阈值,这两个阈值决定了哪些颜色会被识别为对应的颜色。
# 定义颜色阈值
lower_green = np.array([35, 110, 106]) # 绿色范围低阈值
upper_green = np.array([77, 255, 255]) # 绿色范围高阈值
lower_red = np.array([0, 122, 120]) # 红色范围低阈值
upper_red = np.array([10, 255, 255]) # 红色范围高阈值
lower_blue = np.array([100, 41, 46]) # 蓝色范围低阈值
upper_blue = np.array([124, 255, 255]) # 蓝色范围高阈值
3、打开名为'1.mp4'的视频文件(上述提供的实验材料)。如果视频文件成功打开,cap.isOpened()
将返回True,然后将变量flag
设置为1;如果视频文件打开失败,cap.isOpened()
将返回False,然后将变量flag
设置为0。
# 打开视频文件
cap = cv2.VideoCapture('./1.mp4')
if (cap.isOpened()): # 视频打开成功
flag = 1
else:
flag = 0
4、视频成功打开后,开始逐帧读取视频并进行处理。对每一帧,先将图像从BGR颜色空间转换到HSV颜色空间,然后创建颜色掩膜来识别绿色、红色和蓝色的物体;然后在掩膜上找到轮廓,对每个找到的轮廓,计算其包围矩形,并在原始图像上画出这个矩形和对应颜色的文本标签;最后显示处理后的图像,等待用户按下ESC键来结束视频播放。当所有帧都处理完后,释放资源并关闭显示窗口。
# 如果视频打开成功,开始逐帧读取视频
if (flag):
while (True):
ret,frame = cap.read() # 读取一帧
if ret == False: # 读取帧失败
break
# 将图像从BGR颜色空间转换到HSV颜色空间
hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# 创建颜色掩膜
mask_green = cv2.inRange(hsv_img, lower_green, upper_green)
mask_green = cv2.medianBlur(mask_green, 7)
mask_red = cv2.inRange(hsv_img, lower_red, upper_red)
mask_red = cv2.medianBlur(mask_red, 7)
mask_blue = cv2.inRange(hsv_img, lower_blue, upper_blue)
mask_blue = cv2.medianBlur(mask_blue, 7)
# 在掩膜上找到轮廓
contours,hierarchy = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contours2, hierarchy2 = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contours3, hierarchy3 = cv2.findContours(mask_blue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# 对每个找到的轮廓,计算其包围矩形,并在原始图像上画出这个矩形和对应颜色的文本标签
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 255), 2)
cv2.putText(frame, "Green", (x, y - 5), font, 0.7, (0, 255, 0), 2)
for cnt in contours2:
(x2, y2, w2, h2) = cv2.boundingRect(cnt)
cv2.rectangle(frame, (x2, y2), (x2 + w2, y2 + h2), (255, 255, 0), 2)
cv2.putText(frame, "Red", (x2, y2 - 5), font, 0.7, (0, 0, 255), 2)
for cnt in contours3:
(x3, y3, w3, h3) = cv2.boundingRect(cnt)
cv2.rectangle(frame, (x3, y3), (x3 + w3, y3 + h3), (255, 255, 0), 2)
cv2.putText(frame, "Blue", (x3, y3 - 5), font, 0.7, (255, 0, 0), 2)
# 显示处理后的图像
cv2.imshow('meet2',frame)
# 等待用户按下ESC键
if cv2.waitKey(30)&0xFF == 27:
break
# 释放资源并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()
5、实验最终效果如下: