基于颜色的识别和追踪小实例
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:
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;
}
}