树莓派使用opencv

低调包含不哈哈

已于 2024-06-21 23:34:20 修改

阅读量2.2k

点赞数 26

分类专栏：树莓派文章标签： opencv linux 人工智能嵌入式硬件机器人

于 2024-01-27 18:44:22 首次发布

本文链接：https://blog.csdn.net/m0_66746512/article/details/135885893

版权

树莓派专栏收录该内容

4 篇文章 2 订阅

订阅专栏

一. 使用摄像头

1. 将摄像头连接到我们树莓派

二．升级系统

三．在raspi-config中使能SSH和摄像头服务

二. 安装opencv

1.查看自己系统的python

2.换源（非常非常重要，成不成功主要看这里）

一. 使用摄像头

1. 将摄像头连接到我们树莓派

注意：将摄像头的USB口连接到树莓派的任意一个USB口后再开机。一定要先接摄像头再开机，不然树莓派无法识别。

输入lsusb或者ls /dev/video*命令

查看是否有ID：05a3:9230 ARC International Camera或者/dev/video0 设备

有的话说明树莓派已经检测到我们的摄像头设备，可以进行下一步操作

二．升级系统

要使用摄像头模块，你必须使用一个较新的操作系统，它能识别出摄像头模块已连接上。最简单的方法就是直接从树莓派官网去下载一个Raspbian的系统镜像然后安装到一个全新的SD卡上。

不管你用的Raspbian系统版本是什么，都强烈推荐你用如下的命令来更新一下系统：

sudo apt-get update

sudo apt-get upgrade

三．在raspi-config中使能SSH和摄像头服务

sudo raspi-config

选择第5个，按enter键进入配置

先选择第二个SSH：使能SSH服务（如果已开SSH请忽略此步骤）。

接下来选择第一个Camera：使能摄像头服务。

重启我们的树莓派。

sudo reboot

二. 安装opencv

本篇文章是针对python3.8 版本以下的python。

1.查看自己系统的python

清华提供的python有两个版本，分别为python 2.7.16 和 python 3.7.3

2.换源（非常非常重要，成不成功主要看这里）

先在 LX_终端输入以下代码

sudo nano /etc/apt/sources.list

然后得到如下界面

将里面的代码注释掉（代码前加 # ）或者直接全部删掉，完成后效果如下

将以下代码粘贴进去

deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi

随后同时按下 Ctrl + x 键，得到如下界面

然后按 y 键，再回车即可，这样就换好一个源了

同理，按照上述步骤更改下一个源
输入以下代码

sudo nano /etc/apt/sources.list.d/raspi.list

将以下代码粘贴进去

deb http://mirrors.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui

换源结束，输入以下代码 (这一步一定要有，不然会出错)

sudo apt-get update

3. 安装opencv

上述步骤完成后，输入以下代码（基于python3）

sudo apt-get install python3-opencv -y

出现下面的界面就是安装完成了，如果报错去看一下自己换源了没有，或者源是否正确以及是否 sudo apt-get update

三. 测试opencv

输入： python3

然后再输入： import cv2

四. 解决摄像头分辨率问题

树莓派上opencv默认读取YUY2格式，所以我们要将视频切换成MJPG格式。且要更改摄像头的分辨率。

# -*- coding: cp936 -*-

"""
Author:zhangbo
Date:2019-11-07
Discription:Read Camaro picture and save 
"""

import cv2,os,time,datetime
import numpy as np

class CamaroCap(object):

    """ 打开视频流 """
    def __init__(self):
        
        self.cap = cv2.VideoCapture(0)
        #self.cap.set(cv2.CAP_PROP_FPS, 120) 这个有时候生效，有时候不生效不知道是什么原因
        self.cap.set(cv2.CAP_PROP_FRAME_WIDTH, 800)
        self.cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 600)
        self.cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter_fourcc('M', 'J', 'P', 'G'))

    
    """ 图片信息打印 """      
    def get_image_info(self,image):
        print(type(image))
        print(image.shape)
        print(image.size)
        print(image.dtype)
        pixel_data = np.array(image)
        print(pixel_data)


    """ 逐帧读取数据并保存图片到本地制定位置 """
    def Camaro_image(self):
        i = 0
        while(True):
            ret,frame = self.cap.read() #ret：True或者False，代表有没有读取到图片;frame：表示截取到一帧的图片
            if ret == False:
                break
            
            #self.get_image_info(frame) # print("打印图片信息") 注意：调试的时候可以打开，如果是一直运行程序，建议把这行代码注释掉，避免影响内存占用          
            
            cv2.imshow('capture',frame) # 展示图片

            mtime = datetime.datetime.now().strftime('%Y-%m-%d_%H_%M_%S')
            print(mtime)
            
            cv2.imwrite(r"D:\image\\" + str(i) + str("-") + mtime + ".jpg",frame)  # 保存图片
            i = i + 1

            if cv2.waitKey(1) & 0xFF == ord('q'): 
                break
                
if __name__ == '__main__':

    outmasages = CamaroCap() 
    
    outmasages.Camaro_image() # 调用摄像头
    
    outmasages.cap.release() # 释放对象和销毁窗口
    cv2.destroyAllWindows()

五. opencv实现颜色追踪与识别

import cv2
import numpy as np #导入库
blue_lower = np.array([100,43,46])
blue_upper = np.array([124,255,255]) #设置颜色区间
cap = cv2.VideoCapture(0)  #打开摄像头
cap.set(3,640)
cap.set(4,480)  #设置窗口的大小
while 1: #进入无线循环
    ret,frame = cap.read() #将摄像头拍摄到的画面作为frame的值
    frame = cv2.GaussianBlur(frame,(5,5),0) #高斯滤波GaussianBlur() 让图片模糊
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) #将图片的色域转换为HSV的样式 以便检测
    mask = cv2.inRange(hsv,blue_lower,blue_upper)  #设置阈值，去除背景 保留所设置的颜色

    mask = cv2.erode(mask,None,iterations=2) #显示腐蚀后的图像
    mask = cv2.GaussianBlur(mask,(3,3),0) #高斯模糊
    res = cv2.bitwise_and(frame,frame,mask=mask) #图像合并

    cnts = cv2.findContours(mask.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2] #边缘检测

    if len(cnts) >0 : #通过边缘检测来确定所识别物体的位置信息得到相对坐标
        cnt = max(cnts,key=cv2.contourArea)
        (x,y),radius = cv2.minEnclosingCircle(cnt)
        cv2.circle(frame,(int(x),int(y)),int(radius),(255,0,255),2) #画出一个圆
        print(int(x),int(y))
    else:
        pass
    cv2.imshow('frame',frame) #将具体的测试效果显示出来
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    if cv2.waitKey(5) & 0xFF == 27: #如果按了ESC就退出 当然也可以自己设置
        break

cap.release()
cv2.destroyAllWindows() #后面两句是常规操作,每次使用摄像头都需要这样设置一波

六. 可视化HSV色彩空间阈值编辑器

# -*- coding:utf-8 -*-
 
import cv2
import numpy as np
 
"""
功能：读取一张图片，显示出来，转化为HSV色彩空间
     并通过滑块调节HSV阈值，实时显示
"""
 
image = cv2.imread('1.jpg') # 根据路径读取一张图片，opencv读出来的是BGR模式
cv2.imshow("BGR", image) # 显示图片
 
hsv_low = np.array([0, 0, 0])
hsv_high = np.array([0, 0, 0])
 
# 下面几个函数，写得有点冗余
 
def h_low(value):
    hsv_low[0] = value
 
def h_high(value):
    hsv_high[0] = value
 
def s_low(value):
    hsv_low[1] = value
 
def s_high(value):
    hsv_high[1] = value
 
def v_low(value):
    hsv_low[2] = value
 
def v_high(value):
    hsv_high[2] = value
 
cv2.namedWindow('image',cv2.WINDOW_AUTOSIZE)
 
#H low：
#    0：指向整数变量的可选指针，该变量的值反映滑块的初始位置。
#  179：表示滑块可以达到的最大位置的值为179，最小位置始终为0。
#h_low：指向每次滑块更改位置时要调用的函数的指针，指针指向h_low元组，有默认值0。
（此函数的原型应为void XXX (int, void *); ，其中第一个参数是轨迹栏位置，第二个参数是用户数据（请参阅下一个参数）。如果回调是NULL指针，则不调用任何回调，而仅更新值。）
cv2.createTrackbar('H low', 'image', 0, 179, h_low) 
cv2.createTrackbar('H high', 'image', 0, 179, h_high)
cv2.createTrackbar('S low', 'image', 0, 255, s_low)
cv2.createTrackbar('S high', 'image', 0, 255, s_high)
cv2.createTrackbar('V low', 'image', 0, 255, v_low)
cv2.createTrackbar('V high', 'image', 0, 255, v_high)
 
while True:
    dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # BGR转HSV
    dst = cv2.inRange(dst, hsv_low, hsv_high) # 通过HSV的高低阈值，提取图像部分区域
    cv2.imshow('dst', dst)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cv2.destroyAllWindows()

至此，我们就完成了树莓派从镜像烧录到实现颜色识别，这样我们最基础的使用树莓派即完成了

七. 参考链接

1. https://blog.csdn.net/weixin_45911959/article/details/122709090?utm_source=miniapp_weixin

2.https://blog.csdn.net/NoamaNelson/article/details/103135056

3.https://blog.csdn.net/weixin_43635647/article/details/97397153?utm_source=miniapp_weixin

4. https://blog.csdn.net/luoyir1997/article/details/109159792?utm_source=miniapp_weixin

5. gitee链接分享：

树莓派: 树莓派从镜像烧录到实现颜色识别https://gitee.com/didiao-hhh/raspberry-pi

低调包含不哈哈

关注

26
点赞
踩
57

收藏

觉得还不错? 一键收藏
0
评论
树莓派使用opencv

注意：将摄像头的USB口连接到树莓派的任意一个USB口后再开机。一定要先接摄像头再开机，不然树莓派无法识别。输入lsusb或者命令查看是否有ID：05a3:9230 ARC International Camera或者/dev/video0 设备有的话说明树莓派已经检测到我们的摄像头设备，可以进行下一步操作要使用摄像头模块，你必须使用一个较新的操作系统，它能识别出摄像头模块已连接上。最简单的方法就是直接从树莓派官网去下载一个Raspbian的系统镜像然后安装到一个全新的SD卡上。
复制链接

扫一扫