python openCv 入门学习-树莓派上实现物体追踪（三）

前言

第三节课实现的是通过掩膜提取物体的颜色从而达到物体追踪的功能。
1.获取视频流
2.颜色空间转换 RGB—>HSV 设置 HSV 的阈值
3.识别并追踪物体

代码

import numpy as np
import cv2

yellow_lower=np.array([9,135,231])
yellow_upper=np.array([31,255,255])
//也可以cap = cv2.VideoCapture(“../test.avi”)
cap=cv2.VideoCapture(0)

//3：在视频流的帧的宽度 320：高度的数值
//4：在视频流的帧的高度 249: 宽度的数值
cap.set(3,320)
cap.set(4,240)
while 1:
	/**
		cap.read()按帧读取视频，ret,frame是获cap.read()方法的两个返回值。
		其中ret是布尔值，如果读取帧是正确的则返回True，如果文件读取到结尾，
		它的返回值就为False。frame就是每一帧的图像，是个三维矩阵。
	*/
	ret,frame=cap.read()
	/**
		高斯滤波 (5, 5)表示高斯矩阵的长与宽都是5，标准差取0
	    高斯滤波的含义：
	    	高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，
	    	都由其本身和邻域内的其他像素值经过加权平均后得到。
		高斯滤波的作用：
			高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像
			处理的减噪过程。
	*/
	frame=cv2.GaussianBlur(frame,(5,5),0)
	//转hsv（上节课应该深刻理解）
	hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
	//取遮罩
	mask=cv2.inRange(hsv,yellow_lower,yellow_upper)
	/**
		腐蚀与膨胀属于形态学操作，所谓的形态学，就是改变物体的形状，
		形象理解一些：腐蚀=变瘦 膨胀=变胖( cv2.erode() 和 cv2.dilate())
		需要注意一点的是，腐蚀和膨胀主要针对二值化图像的白色部分
		iterations的值越高，模糊程度(腐蚀程度)就越高 呈正相关关系且只能是整数
	*/
	mask=cv2.erode(mask,None,iterations=2)
	//高斯滤波
	mask=cv2.GaussianBlur(mask,(3,3),0)
	//使用遮罩做“与”操作，第二节课研究过了，不在赘述
	res=cv2.bitwise_and(frame,frame,mask=mask)
	/**
		寻找轮廓并绘制轮廓
		需要注意的是cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度
		图），所以读取的图像要先转成灰度的，再转成二值图。
		image：输入图像
		mode：
			轮廓的模式。cv2.RETR_EXTERNAL只检测外轮廓；cv2.RETR_LIST检
			测的轮廓不建立等级关系；cv2.RETR_CCOMP建立两个等级的轮廓，上一层为
			外边界，内层为内孔的边界。如果内孔内还有连通物体，则这个物体的边界也在
			顶层；cv2.RETR_TREE建立一个等级树结构的轮廓。
		method：
			轮廓的近似方法。cv2.CHAIN_APPROX_NOME存储所有的轮廓点，
			相邻的两个点的像素位置差不超过1；cv2.CHAIN_APPROX_SIMPLE压缩水平方
			向、垂直方向、对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮
			廓只需要4个点来保存轮廓信息；cv2.CHAIN_APPROX_TC89_L1，cv2.CV_CHAIN_APPROX_TC89_KCOS
	
		findContours函数会“原地”修改输入的图像，所以这里.copy()
		
		opencv2返回两个值：contours：hierarchy。注:opencv3会返回三个值,分别是img, 
		countours, hierarchy cv2.findContours()函数首先返回一个list，list中每个元素都是
		图像中的一个轮廓，用numpy中的ndarray表示。
		
		contours：
			返回的轮廓 每个轮廓是一个ndarray，每个ndarray是轮廓上的点的集合。
			每一个元素为一个3维数组（其形状为（n,1,2），其中n表示轮廓点个数，2表示像素点坐标
		hierarchy：
			每条轮廓对应的属性,轮廓间的层次关系,为三维数组，形状为（1,n,4），其中n表示轮廓总个
			数，4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号，
			第二个数表示同级轮廓的上一个轮廓的编号，第三个数表示该轮廓下一级轮廓的编号，第四
			个数表示该轮廓的上一级轮廓的编号
		返回的类型是tuple [-2]取出的是list
	*/
	cnts=cv2.findContours(mask.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
	if len(cnts)>0:
        //寻找面积最大的轮廓并画出其最小外接圆(cv2.contourArea按最大面积)
        cnt=max(cnts,key=cv2.contourArea)
        /**
			得到包含二维点集的最小圆
			InputArray points：输入的二维点集
			Point2f& center：表示输出的圆形的中心坐标，是float型
			float& radius：输出的最小圆的半径，是float型
		*/
        (x,y),radius=cv2.minEnclosingCircle(cnt)
        /**
			根据给定的圆心和半径等画圆
			img：输入的图片data
			center：圆心位置
			radius：圆的半径
			color：圆的颜色
			thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆。
			lineType： 圆边界的类型。
			shift：中心坐标和半径值中的小数位数。
		*/
        cv2.circle(frame,(int(x),int(y)),int(radius),(255,0,255),2)
        //输出物体的位置坐标
        print(int(x),int(y))
    else:
        pass
    cv2.imshow('frame',frame)
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    if cv2.waitKey(5)&0xFF==27:
        break
cap.release()
cv2.destroyAllWindows()

另一种

import imutils
import cv2




colorRanges = [
    ((26, 43, 46), (34, 255, 255), "yellow")
    # ((29, 86, 6), (64, 255, 255), "green")
    # ((57, 68, 0), (151, 255, 255), "blue")
]


camera = cv2.VideoCapture(0)


while True:
    ret, frame = camera.read()

    frame = imutils.resize(frame, width=600)
    blurred = cv2.GaussianBlur(frame, (11, 11), 0)
    hsv = cv2.cvtColor(blurred, cv2.COLOR_BGR2HSV)

    for (lower, upper, colorName) in colorRanges:

        mask = cv2.inRange(hsv, lower, upper)
        mask = cv2.erode(mask, None, iterations=2)
        mask = cv2.dilate(mask, None, iterations=2)

        ctns = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        ctns = imutils.grab_contours(ctns)

        if len(ctns) > 0:

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

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

            M = cv2.moments(c)
            (cX, cY) = int(M["m10"] / M["m00"]), int(M["m01"] / M["m00"])

            if radius > 10:
                cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 0), 2)
                cv2.putText(frame, colorName, (cX, cY), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    cv2.imshow("Frame", frame)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

# clearnup the camera and close any open windows
camera.release()
cv2.destroyAllWindows()