OpenCV的python官方教程中已经在转换颜色空间一节(https://docs.opencv.org/master/df/d9d/tutorial_py_colorspaces.html)中给出了追踪特定颜色物体的基本方法:即转换颜色空间到HSV,设定带追踪物体的颜色阈值,并进行二值化处理。我们对此进行改进,滤除部分噪声,并使用最小外接圆圈出待追踪物体,代码如下,注释详细不再赘述:
# 导入所需模块
import cv2 as cv
import numpy as np
import imutils
# 打开摄像头
cap = cv.VideoCapture(0)
while True:
# 读取每一帧
_, frame = cap.read()
# 重设图片尺寸以提高计算速度
frame = imutils.resize(frame, width=600)
# 进行高斯模糊
blurred = cv.GaussianBlur(frame, (11, 11), 0)
# 转换颜色空间到HSV
hsv = cv.cvtColor(blurred, cv.COLOR_BGR2HSV)
# 定义红色无图的HSV阈值
lower_red = np.array([20, 100, 100])
upper_red = np.array([220, 255, 255])
# 对图片进行二值化处理
mask = cv.inRange(hsv, lower_red, upper_red)
# 腐蚀操作
mask = cv.erode(mask, None, iterations=2)
# 膨胀操作,先腐蚀后膨胀以滤除噪声
mask = cv.dilate(mask, None, iterations=2)
cv.imshow('mask', mask)
# 寻找图中轮廓
cnts = cv.findContours(mask.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)[-2]
# 如果存在至少一个轮廓则进行如下操作
if len(cnts) > 0:
# 找到面积最大的轮廓
c = max(cnts, key=cv.contourArea)
# 使用最小外接圆圈出面积最大的轮廓
((x, y), radius) = cv.minEnclosingCircle(c)
# 计算轮廓的矩
M = cv.moments(c)
# 计算轮廓的重心
center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))
# 只处理尺寸足够大的轮廓
if radius > 5:
# 画出最小外接圆
cv.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2)
# 画出重心
cv.circle(frame, center, 5, (0, 0, 255), -1)
cv.imshow('frame', frame)
k = cv.waitKey(5) & 0xFF
if k == 27:
break
cap.release()
cv.destroyAllWindows()