python使用opencv_Python&Opencv使用摄像头跟踪颜色运动

前一段时间下载了

猜画小歌数据集中moon数据集的图片堆叠

本文使用OpenCV，详细信息可以查看：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_colorspaces/py_colorspaces.html#converting-colorspaces

第一步应该是先让摄像头识别笔，并能记录笔的运动轨迹。本程序是基于OpenCV进行开发的，从整体来说，系统的设计思路如下：

采集笔的色彩空间范围Y，并定义摄像头色彩掩膜的空间范围

使用OpenCV打开摄像头，捕获图像I

OpenCV检测摄像头拍到的图像I中色彩在范围Y内的区域，并生成二值化图像I1

对二值化图I1做降噪处理，滤除图片中的小范围区域，得到图像I2

计算保留在图像I2中范围最大的区域D

计算区域D的质心，该质心即是笔的位置

以下是色彩追综的代码：

from collections import deque

import numpy as np

# import imutils

import cv2

import time

import copy

# 设定红色阈值，HSV空间

redLower = np.array([0, 43, 46])

redUpper = np.array([10, 255, 255])

# 初始化追踪点的列表

mybuffer = 64

pts = deque(maxlen=mybuffer)

# 打开摄像头

camera = cv2.VideoCapture(0)

# 等待两秒

time.sleep(2)

# 遍历每一帧，检测红色瓶盖

while True:

# 读取帧

(ret, frame) = camera.read()

# 判断是否成功打开摄像头

if not ret:

print('No Camera')

break

# frame = imutils.resize(frame, width=600)

# 转到HSV空间

hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

iCopy = copy.deepcopy(frame)

h = frame.shape[0]

w = frame.shape[1]

# 完成镜像，让使用更加友好

for i in range(h):

for j in range(w):

iCopy[i, w - 1 - j] = frame[i, j] # 水平镜像

frame = iCopy

# 根据阈值构建掩膜

mask = cv2.inRange(hsv, redLower, redUpper)

# 腐蚀操作

mask = cv2.erode(mask, None, iterations=2)

# 膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点

mask = cv2.dilate(mask, None, iterations=2)

# 轮廓检测

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

# 初始化瓶盖圆形轮廓质心

center = None

# 如果存在轮廓

if len(cnts) > 0:

# 找到面积最大的轮廓

c = max(cnts, key=cv2.contourArea)

# 确定面积最大的轮廓的外接圆

((x, y), radius) = cv2.minEnclosingCircle(c)

# 计算轮廓的矩

M = cv2.moments(c)

# 计算质心

center = (int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"]))

# 只有当半径大于10时，才执行画图

if radius > 10:

cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2)

cv2.circle(frame, center, 5, (0, 0, 255), -1)

# 把质心添加到pts中，并且是添加到列表左侧

pts.appendleft(center)

# 遍历追踪点，分段画出轨迹

for i in range(1, len(pts)):

if pts[i - 1] is None or pts[i] is None:

continue

# 计算所画小线段的粗细

thickness = int(np.sqrt(mybuffer / float(i + 1)) * 2.5)

# 画出小线段

cv2.line(frame, pts[i - 1], pts[i], (0, 0, 255), thickness)

# res = cv2.bitwise_and(frame, frame, mask=mask)

cv2.imshow('Frame', frame)

# 键盘检测，检测到esc键退出

k = cv2.waitKey(5) & 0xFF

if k == 27:

break

# 摄像头释放

camera.release()

# 销毁所有窗口

cv2.destroyAllWindows()

识别的效果

换了个西红柿来识别

可以看到，识别出了红色的笔。接下来可以再此基础上，完成其他功能。