OpenCV目标跟踪物体跟踪

任务目标

• 物体跟踪
  • 从视频中获取每一帧图像
  • 图像转换为HSV空间
  • 设置HSV阈值到蓝色范围
  • 获取蓝色物体

在图像处理中使用较多的是 HSV 颜色空间，它比 RGB 更接近人们对彩色的感知经验。非常直观
地表达颜色的色调、鲜艳程度和明暗程度，方便进行颜色的对比。

cv2.inRange()
作用：设定边界值，超出边界像素值改为0
lower_blue：阈值的下界（小于这个值，图像像素值置为0）
upper_blue：阈值的上界（大于这个值，图像像素置为0）

bitwise_and(roi,roi ,mask=ma1)
按位“与”操作
为什么参数中有两个roi
首先，roi & roi 就是 roi 本身；然后，你可能会问roi和ma1大小一样、数据类型一样，为什么不直接cv2.bitwise_and(roi, ma1)呢？因为roi是彩色图像，三通道的，ma1是单通道，不能直接与。（具体内容参照【推荐】python openCV掩膜的通俗理解）

代码实现

import cv2
import numpy as np
cap=cv2.VideoCapture(0)
while(1):
    # 获取每一帧
    ret,frame=cap.read()
    # 转换到 HSV
    hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
    # 设定蓝色的阈值
    lower_blue=np.array([110,50,50])
    upper_blue=np.array([130,255,255])
    # 根据阈值构建掩模
    mask=cv2.inRange(hsv,lower_blue,upper_blue)
    # 对原图像和掩模进行位运算
    res=cv2.bitwise_and(frame,frame,mask=mask)
    # 显示图像
    cv2.imshow('frame',frame)
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    k=cv2.waitKey(5)&0xFF
    if k==27:
        break
    # 关闭窗口
cv2.destroyAllWindows()

实验结果

参考

RGB、HSV和HSL颜色空间
图像阈值处理cv2.threshold()函数（python)
cv2.inRange函数
【推荐】python openCV掩膜的通俗理解