OpenCV实现基于颜色的视频对象跟踪(跟踪一个橙子)

1、概述

  案例:基于颜色来实现视频对象的跟踪,本案例跟踪的是一个橙子。

  使用到的关键方法:hsv+inRange,区间内白色不再区间内黑色

  实现该算法的步骤:

    1.创建VideoCapture

    2.使用其open方法打开视频

    3.while循环读取视频帧frame

    4.将frame转hsv色彩空间

    5.根据hsv色彩空间提取橙子的颜色区间,并生成colorMask

    6.对colorMask做形态学开操作(为了取出多余的白色噪点)

    7.对colorMask做腐蚀操作(为了让橙子区域更加圆润)

    8.使用findContours执行轮廓查找

    9.过滤出出每一个colorMask中的最大轮廓,并找出最大轮廓的外接矩形(roiRect)

    10.将roiRect绘制到frame上查看效果

    11.完成

2、代码示例

VideoCapture capture;
   capture.open(filePath);
   if(!capture.isOpened()){
       qDebug()<<"无法打开视频";
       return;
   }
   Mat frame,hsv;
   Mat colorMask;
   Mat kernel = getStructuringElement(MORPH_RECT,Size(5,5),Point(-1,-1));
   while(capture.read(frame)){
       cvtColor(frame,hsv,COLOR_BGR2HSV);
       inRange(hsv,Scalar(11, 43, 46),Scalar(25, 255, 255),colorMask);
       //使用形态学开操作消除白点
       morphologyEx(colorMask,colorMask,MORPH_OPEN,kernel,Point(-1,-1),1);
       //使用形态学膨胀操作填充白色区间
       dilate(colorMask,colorMask,kernel,Point(-1,-1),1);
 
       //轮廓发现
       vector<vector<Point>> contours;
       vector<Vec4i> hir;
       Rect roi;
       findContours(colorMask,contours,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE);
       if(contours.size()>0){
           //过滤轮廓
           double maxArea = 0.0;
           for(size_t i = 0;i<contours.size();i++){
               double area = contourArea(contours[i]);
               if(area>maxArea){
                   maxArea = area;
                   roi = boundingRect(contours[i]);
               }
           }
 
       }
       //在原图上绘制轮廓
       rectangle(frame,roi,Scalar(0,0,255),3,LINE_8);
       imshow("frame",frame);
       imshow("colorMask",colorMask);
       int key = waitKey(100);
       qDebug()<<"key:"<<key;
       if(key==27){//ese键
           break;
       }
   }
   capture.release();

3、演示图像

(视频就不传了,大家随便找个橙子然后移动橙子用相机拍照一段时间做测试就行,用手机拍摄就行)

 本文福利,费领取Qt开发学习资料包、技术视频,内容包括(C++语言基础,Qt编程入门,QT信号与槽机制,QT界面开发-图像绘制,QT网络,QT数据库编程,QT项目实战,QSS,OpenCV,Quick模块,面试题等等)↓↓↓↓↓↓见下面↓↓文章底部点击费领取↓↓

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中的自适应颜色模型跟踪器(Adaptive Color Model Tracker)是一种基于颜色模型的目标跟踪算法。该算法通过不断更新目标颜色模型来适应目标颜色的变化,从而进行目标追踪。 该算法的基本流程如下: 1. 初始化:选择一个包含目标的矩形区域,并提取该区域的颜色直方图作为目标颜色模型。 2. 目标搜索:在下一帧图像中搜索与目标颜色模型最相似的区域,并将该区域作为当前帧的目标位置。 3. 更新模型:根据当前帧中目标的位置和大小,重新提取该区域的颜色直方图,并将其作为更新后的目标颜色模型。 4. 重复执行第2步和第3步,直到目标追踪结束。 OpenCV提供了cv::TrackerMIL类来实现自适应颜色模型跟踪器。该类封装了多实例学习算法和自适应颜色模型跟踪算法,能够在目标外观变化较大的情况下保持追踪。使用该类的基本步骤如下: 1. 创建TrackerMIL对象:使用cv::TrackerMIL::create()函数创建TrackerMIL对象。 2. 初始化:使用TrackerMIL::init()函数初始化跟踪器,并提供包含目标的矩形区域。 3. 目标跟踪:使用TrackerMIL::update()函数在下一帧图像中搜索目标,并返回目标位置。 4. 重复执行第3步,直到目标追踪结束。 以下是使用TrackerMIL类实现自适应颜色模型跟踪器的示例代码: ``` #include <opencv2/opencv.hpp> #include <opencv2/tracking.hpp> using namespace cv; int main() { // 打开视频文件 VideoCapture capture("test.avi"); if (!capture.isOpened()) { std::cout << "Failed to open video file!" << std::endl; return -1; } // 创建TrackerMIL对象 Ptr<Tracker> tracker = TrackerMIL::create(); // 读取第一帧图像 Mat frame; capture >> frame; // 选择包含目标的矩形区域 Rect2d roi = selectROI(frame); // 初始化跟踪器 tracker->init(frame, roi); // 目标跟踪 while (capture.read(frame)) { // 在当前帧中搜索目标 bool success = tracker->update(frame, roi); // 显示目标位置 if (success) { rectangle(frame, roi, Scalar(0, 255, 0), 2); } else { putText(frame, "Tracking failure detected", Point(100, 80), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2); } // 显示视频帧 imshow("Video", frame); // 按下ESC键退出 if (waitKey(1) == 27) break; } return 0; } ```

“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