Python-opencv颜色物体跟踪程序

Python-opencv颜色物体跟踪程序：

1.首先我们得找到物体颜色的HSV是多少，这样我们物体识别更准确
如何找到HSV:
（1）首先用同一个摄像头拍照我们所需跟踪物品的照片

import cv2
cap = cv2.VideoCapture(0)
while(1):
# get a frame
ret, frame = cap.read()
# show a frame
cv2.imshow(“capture”, frame)
if cv2.waitKey(1) & 0xFF == ord(‘q’):#按q保存图片并退出
cv2.imwrite("/home/pi/Pictures/huanggua.png", frame)
#保存图片到一个地址里，注意如果地址不对的话，是没法进行保存的,
break
cap.release()
cv2.destroyAllWindows()#释放窗口
注意按q是保存图片，同时我们保存图片的格式是png

2.找出获得一幅图片里面 某个物体的精确的hsv的值

在hsv图里点击，就可输出该点的精确的hsv的值：

import cv2
import numpy as np
from matplotlib import pyplot as plt

image=cv2.imread("/home/pi/Pictures/huanggua.png"，1)
HSV=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
def getpos(event,x,y,flags,param):
if event==cv2.EVENT_LBUTTONDOWN: #定义一个鼠标左键按下去的事件
print(HSV[y,x])

cv2.imshow(“imageHSV”,HSV)
cv2.imshow(‘image’,image)
cv2.setMouseCallback(“imageHSV”,getpos)
cv2.waitKey(0)

3.物体跟踪

import cv2
import numpy as np
cap=cv2.VideoCapture(0)
while(1):
ret,frame=cap.read()
hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
lower_blue=np.array([30,50,50])
upper_blue=np.array([130,255,255])
mask=cv2.inRange(hsv,lower_blue,upper_blue)
res=cv2.bitwise_and(frame,frame,mask=mask)

cv2.imshow('frame',frame)
cv2.imshow('mask',mask)
cv2.imshow('res',res)
k=cv2.waitKey(5)&0xFF

if k==27:#按Esc进行截图
cv2.imwrite("/home/pi/Pictures/frame.png", frame)
cv2.imwrite("/home/pi/Pictures/mask.png", mask)
cv2.imwrite("/home/pi/Pictures/res.png", res)
break
cv2.destoryAllWindows()

（1）frame原图像：

（2）Mask掩膜图片

（3）最终照片

我们可以清楚的看到，这样我们就可以去除大量的其他噪声，其中有些噪声是因为那些噪声也在我们设置的HSV中，但是这也有一个致命的缺点就是我们必须知道目标物的颜色HSV。

我们值得注意的是HSV的数组里三个数据代表的意思：
HSV（色相/饱和度/明度）颜色空间是表示类似于RGB颜色模型的颜色空间的模型。根据色相通道(Channel)对颜色类型进行建模，因此在需要根据颜色对对象进行分割的图像处理任务中非常有用。饱和度的变化代表颜色成分的多少。明度通道描述颜色的亮度