cv2逐步学习-番外1:实时获取物体中心点并绘制轮廓(realsense d435相机)

本文链接：https://blog.csdn.net/sunjintaoxxx/article/details/121473124

本文档介绍了一个使用Realsense相机获取图像流并进行实时处理的实验。通过高斯滤波、灰度转换、二值化和开运算等步骤，提取图像中的最大轮廓，进而计算轮廓的旋转角度。此外，还展示了如何在图像中绘制轮廓及中心点，并提供了关键代码片段。实验结果受到光照影响，作者建议调整二值化的参数以优化效果。

摘要由CSDN通过智能技术生成

本实验使用的相机为realsense系列，什么相机不重要，拿到图像数据流即可

实现功能：

1.实时显示图像
2.框出图像内识别到的最大轮廓，并绘制中心点
3.得到最大轮廓物体的旋转角（这个是我后续需要的数据，代码就一块贴上了）
先上效果图：
（受灯光影响还是挺大的，调整二值化时的参数应当是一种解决措施）
ps：找的gif录制像素感人，555
在这里插入图片描述

上代码：
流程：
读图像流–>高斯滤波–>转灰度–>二值化–>开运算–>轮廓拟合、绘制–>显示

# -*- coding: utf-8 -*-
import pyrealsense2 as rs
import numpy as np
import cv2
import os
import time
import sys
# Configure  color streams
pipeline = rs.pipeline()
config = rs.config()

config.enable_stream(rs.stream.color, 640, 480, rs.format.bgr8, 30)

#start 
pipeline.start(config)
try:
    while True:
        frames = pipeline.wait_for_frames()
        color_frame = frames.get_color_frame()
        if not depth_frame or not color_frame:
            continue
        color_image=np.asanyarray(color_frame.get_data())
        #GausBlur
        Gausablur=cv2.GaussianBlur(color_image,(5,5),1.5)

        #To_gray_
        gray=cv2.cvtColor(Gausablur,cv2.COLOR_BGR2GRAY)
        #2vlaue
        ret,binary=cv2.threshold(gray,0,255,cv2.THRESH_BINARY|cv2.THRESH_OTSU)
        #open math
        kernel=np.ones((5,5),np.uint8)
        opening=cv2.morphologyEx(binary,cv2.MORPH_OPEN,kernel, iterations=3)#五次开运算
        
        #轮廓拟合
        im2, contours, hierarchy = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        area=[]
        for i in contours:
            area.append(cv2.contourArea(i))
        for i in contours:
            if cv2.contourArea(i)==max(area):
                rect = cv2.minAreaRect(i)
                box = cv2.boxPoints(rect)
                box = np.int0(box)
                cv2.drawContours(color_image,[box],0,(0,0,255),3) #画矩形框

                #图像轮廓及中心点坐标
                M = cv2.moments(i)# 计算第一条轮廓的各阶矩,字典形式
                #print(M)
                center_x = int(M['m10']/M['m00'])
                center_y = int(M['m01']/M['m00'])
                data_xy=[center_x,center_y]
                #print('center_x:',center_x)
                #print('center_y:',center_y)
                cv2.circle(color_image,(center_x,center_y),7,128,-1)#绘制中心点
                str1 = '(' + str(center_x)+ ',' +str(center_y) +')' #把坐标转化为字符串
                cv2.putText(color_image,str1,(center_x-50,center_y+40),cv2.FONT_HERSHEY_SIMPLEX,1,(255,255,0),2,cv2.LINE_AA)#绘制坐标点位

                #get 偏转角
                p_angel=rect[2]
                width=rect[1][0]
                height=rect[1][1]
                global angle
                if width<height:
                    angle=90-p_angel
                else:
                    angle=p_angel
        
        
                cv2.imshow('Gaus',color_image)
        key=cv2.waitKey(1)
        if key==27:
            sys.exit()
#stop
finally:
    pipeline.stop()