opencv学习第一天

最新推荐文章于 2024-10-06 20:09:31 发布

weixin_44536692

最新推荐文章于 2024-10-06 20:09:31 发布

阅读量209

点赞数 1

文章标签： opencv

本文链接：https://blog.csdn.net/weixin_44536692/article/details/120028578

版权

本文介绍了一个使用OpenCV进行颜色识别和追踪的小实例，包括利用VideoCapture打开摄像头，通过inrange函数提取特定颜色，应用形态学操作处理图像，寻找目标物体轮廓，并通过boundingRect获取ROI区域。代码详细展示了从颜色提取到轮廓识别的完整流程，适合初学者入门学习。

摘要由CSDN通过智能技术生成

一.整体的学习思路

1.利用VideoCapture函数打开自带摄像头

下面展示一些 内联代码片。

VideoCapture capture(0);//0表示打开电脑自带的摄像头
Mat src;
while(capture.read(src))//读取摄像头数据
{
    imshow("a",src);//显示图片
    if(waitKey(20)=='q')  //q可以自己更改按住后退出循环
    {
        break;
    }
}
capture.release();//释放读取空间

2.通过inrange函数提取出需要的颜色

// An highlighted block
Mat src,dst,frame;
cvtColor(src,dst,COLOR_BGR2HSV);
inrange(dst,Scalar(10,10,100),Scalar(70, 70, 255),frame);                //二值化处理

其中Scalar函数用途为选取合适阈值颜色
可以参考以下图表进行：
在这里插入图片描述

3.利用形态学对于提取的形状进行分析

//建立用于膨胀腐蚀的用途的Mat函数kernel
Mat kernel=getStructuringElement(MORPH_RECT,, Size(3, 3), Point(-1, -1));

getStructuringElement函数用途
1.第一个参数表示内核形状
矩形： MORPH_RECT；
交叉形：MORPH_CROSS；
椭圆形：MORPH_ELLIPSE；
2.第二个参数内核尺寸以及锚点位置，常用于dilate和erode函数之中
3.Point一般用于确定锚点偏移量Point（-1，-1）表示锚点位于中心；

//通过函数morphologyEx进行腐蚀膨胀
morphologyEx(src,dst,MORPH_OPEN,kernel,Point(-1, -1),1);

4.查找所需物体轮廓

通过二值化腐蚀膨胀之后需要对于选定物体的轮廓进行一个标定

void process(Mat &mask,Rect roi)
{
   vector<vector<Point>>contours;          //数组用于存储轮廓面积
   vector<Vec4i>hireachy;
   findContours(mask,contours,hireachy,RETR_EXTERNAL,CHAIN_APPROX_SIMPLE,Point(0,0));//函数用于计算轮廓面积
   if（contours.size()>0)   //选取最大的ROI区域
   {
       double maxArea=0.0;
       for (size_t t = 0; t < contours.size(); t++)
		{
			double area = contourArea(contours[static_cast<int>(t)]);
			if (area > Maxarea)
			{
				Maxarea = area;
				ROI = boundingRect(contours[static_cast<int>(t)]);
			}
		}      
   }
   else  //如果检测没有相应颜色，则ROI区域为0
   {
        ROI.x = ROI.y = ROI.width = ROI.height = 0;
   }
}

5.外接ROI区域获取

rectangle(src, roi, Scalar(0, 0, 255),3,8,0);

整体代码演示

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
Mat src, gray_src, dst;
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
Mat kernel2 = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
Rect roi;
void process(Mat &mask,Rect &ROI);

int main()
{
	VideoCapture capture(0);
	while (1)
	{
		capture >> src;
		if (!src.empty())
		{
			inRange(src, Scalar(0, 127, 0), Scalar(120, 255, 120), dst);
			morphologyEx(dst, dst, MORPH_OPEN, kernel, Point(-1, -1),1);
			dilate(dst, dst, kernel2, Point(-1, -1),4);
			process(dst, roi);
			rectangle(src, roi, Scalar(0, 0, 255),3,8,0);
			imshow("a", src);
			imshow("b", dst);
		}

		if (waitKey(20) == 'q')
		{
			
			break;
		}

	}
	capture.release();
	waitKey(0);
	return 0;

}

void process(Mat& mask, Rect& ROI)   //轮廓发现与位置锁定
{
	vector<vector<Point>>contours;
	vector<Vec4i>hireachy;
	findContours(mask, contours, hireachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(0,0));
	if (contours.size() > 0)
	{
		double Maxarea = 0.0;
		for (size_t t = 0; t < contours.size(); t++)
		{
			double area = contourArea(contours[static_cast<int>(t)]);
			if (area > Maxarea)
			{
				Maxarea = area;
				ROI = boundingRect(contours[static_cast<int>(t)]);
			}
		}
	}
	else
	{
		ROI.x = ROI.y = ROI.width = ROI.height = 0;
	}
}