基于OpenCV的颜色轮廓跟踪

（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：