树莓派4B_OpenCv学习笔记12：OpenCv颜色追踪_画出轨迹

今日继续学习树莓派4B 4G：（Raspberry Pi，简称RPi或RasPi）

本人所用树莓派4B 装载的系统与版本如下:

版本可用命令 (lsb_release -a) 查询:

Opencv 版本是4.5.1：

今日尝试使用倒叙的方式来学习Open'CV颜色追踪，尝试一种新的笔记写法吧......

代码是根据创乐博（MAKEROBO）的视频代码学习的，我只是查阅资料学习与解释

贴出的解释部分是由百度文心一言AI生成的...

文章提供测试代码讲解，整体代码贴出、测试效果图

目录

测试视频效果展示:

完整实例代码贴出:

代码小结:

创建掩膜/图像的膨胀腐蚀:

开运算与闭运算：

掩膜(mask)上寻找各个轮廓（cnts）函数:

众多轮廓中（cnts）找到最大轮廓（C）函数:

计算轮廓（C）最小包围圆：

计算轮廓（C）的质心(center)：

OpenCv画圆函数:

双端队列:

网上查阅资料贴出：

测试视频效果展示:

OpenCv颜色追踪

完整实例代码贴出:

这个代码例程实现了使用最小圆来圈出识别追踪到的颜色物体，并画出轨迹

颜色可以在代码中初始化的部分更改：(注意先将BGR转换为HSV色彩空间)

之后会详细解释其中的一些关键函数:

完整代码与解释如下：

# -*- coding: utf-8 -*-

# 导入必要的库
from collections import deque  # 导入双端队列，用于存储物体的中心点  
import numpy as np             # 导入numpy库，用于数学和数组操作  
import argparse                # 导入argparse库，用于处理命令行参数 
import imutils
import cv2                     # 导入OpenCV库，用于视频和图像处理 

ap = argparse.ArgumentParser() # 创建命令行参数解析器 
# 添加命令行参数：--video，可选的视频文件路径  
ap.add_argument("-v", "--video",help="path to the (optional) video file")
# 添加命令行参数：--buffer，双端队列的最大长度，默认为64  
ap.add_argument("-b", "--buffer", type=int, default=64,help="max buffer size")
# 解析命令行参数，并将结果存储在args字典中  
args = vars(ap.parse_args())

# 定义HSV颜色空间中的颜色范围，用于追踪颜色物体
colorLower = (18, 100, 100)
colorUpper = (38, 255, 255)

# 初始化双端队列，用于存储物体的中心点，最大长度为args["buffer"] 
pts = deque(maxlen=args["buffer"])
 
# 如果没有提供视频文件，则使用默认的摄像头
if not args.get("video", False):
	camera = cv2.VideoCapture(0)
# 否则，使用提供的视频文件路径
else:
	camera = cv2.VideoCapture(args["video"])

# 无限循环，读取和处理视频帧 
while True:
	(grabbed, frame) = camera.read() # 读取一帧图像 
 
  # 如果是视频文件，并且没有成功读取帧（即视频结束），则退出循环
	if args.get("video") and not grabbed:
		break
 
 
	frame = imutils.resize(frame, width=600) # 调整帧的大小为600像素宽，保持其原始宽高比 
	hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)# 将帧从BGR颜色空间转换为HSV颜色空间 
 
 
	mask = cv2.inRange(hsv, colorLower, colorUpper)# 创建一个只包含指定颜色范围内的像素的掩码 
  # 对掩码进行腐蚀和膨胀操作，以减少噪声并平滑形状(开运算)
	mask = cv2.erode(mask, None, iterations=2)
	mask = cv2.dilate(mask, None, iterations=2)
	
  # 在掩码上查找轮廓
	cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
	center = None  # 初始化中心点变量  
 
  # 如果找到了轮廓  
	if len(cnts) > 0:
		c = max(cnts, key=cv2.contourArea)#找到最大的轮廓 
		((x, y), radius) = cv2.minEnclosingCircle(c)#计算该轮廓的最小包围圆 
		M = cv2.moments(c)#计算轮廓的质心