第十一天机器视觉基础二

机器视觉基础

常用图像处理技术包括色彩处理、形态相关操作、色彩梯度和轮廓处理我们将在后面内容中进行一一介绍，不过在正式开始之前，我们要先说明一下OpenCV的基础操作。

轮廓处理

图像轮廓操作包括:查找轮廓、绘制轮廓、轮廓拟合等。待处理的源图像必须是灰度二值图，将不需要的变成黑色

查找轮廓、绘制轮廓

img = cv2.imread('../data/3.png', 1)[..., ::-1]

#轮廓转二值化
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

#查找轮廓
cnts, hie = cv2.findContours(binary,
                             mode=cv2.RETR_EXTERNAL,  #只检测外轮廓
                             method=cv2.CHAIN_APPROX_NONE)  #存储所有的轮廓点

#绘制轮廓
img_cnt = cv2.drawContours(binary, cnts,
                           -1,  # 绘制cnts中全部轮廓
                           (255, 255, 255),  # 轮廓颜色BGR格式
                           20)  # 轮廓粗细

fig, axes = plt.subplots(1, 4, figsize=(12, 12))
axes[0].imshow(img)
axes[1].imshow(gray, cmap=plt.get_cmap('gray'))
axes[2].imshow(binary, cmap=plt.get_cmap('gray'))  # 因为使用了cv2.drawContours(binary.所以修改了原图
axes[3].imshow(img_cnt, cmap=plt.get_cmap('gray'))
plt.show()

绘制矩形

fig, axes = plt.subplots(1, 4, figsize=(15, 15))
img = cv2.imread('../data/cloud.png', 1)[..., ::-1]
axes[0].imshow(img)

#灰度化
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
axes[1].imshow(gray, cmap=plt.get_cmap('gray'))

#二值化
t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
axes[2].imshow(binary, cmap=plt.get_cmap('gray'))

#查找轮廓
cnts, hie = cv2.findContours(binary,
                             mode=cv2.RETR_EXTERNAL,  #只检测外轮廓
                             method=cv2.CHAIN_APPROX_NONE)  #存储所有的轮廓点

x, y, w, h = cv2.boundingRect(cnts[0])  #实际上cnts只有一个轮廓，因为原图就一个图像

print('左上角定点：({},{}),宽度和高度({},{})'.format(x, y, w, h))
#根据矩形参数，确定四个顶点
poins = np.array([[[x, y]],
                  [[x, y + h]],
                  [[x + w, y + h]],
                  [[x + w, y]]])

#绘制矩形
img_cnt = cv2.drawContours(binary, [poins], -1, (255, 255, 255), 3)
axes[3].imshow(img_cnt, cmap=plt.get_cmap('gray'))
plt.show()

圆型包围

fig, axes = plt.subplots(1, 4, figsize=(15, 15))
img = cv2.imread('../data/cloud.png', 1)[..., ::-1]
axes[0].imshow(img)

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
axes[1].imshow(gray, cmap=plt.get_cmap('gray'))

t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
axes[2].imshow(binary, cmap=plt.get_cmap('gray'))

#查找轮廓
cnts, hie = cv2.findContours(binary,
                             mode=cv2.RETR_EXTERNAL,  #只检测外轮廓
                             method=cv2.CHAIN_APPROX_NONE)  #存储所有的轮廓点

center, radius = cv2.minEnclosingCircle(cnts[0])

print('圆心和半径：({},{})'.format(center, radius))
#圆心和半径必须是整数
center = (int(center[0]), int(center[1]))
radius = int(radius)

img_cnt = cv2.circle(binary, center, radius, (255, 255, 255), 3) #会修改原图
axes[3].imshow(img_cnt, cmap=plt.get_cmap('gray'))
plt.show()

椭圆包围

fig, axes = plt.subplots(1, 4, figsize=(15, 15))
img = cv2.imread('../data/cloud.png', 1)[..., ::-1]
axes[0].imshow(img)

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
axes[1].imshow(gray, cmap=plt.get_cmap('gray'))

t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
axes[2].imshow(binary, cmap=plt.get_cmap('gray'))

#查找轮廓
cnts, hie = cv2.findContours(binary,
                             mode=cv2.RETR_EXTERNAL,  #只检测外轮廓
                             method=cv2.CHAIN_APPROX_NONE)  #存储所有的轮廓点

ellipse = cv2.fitEllipse(cnts[0])
#ellipse为RotatedRect类型的值，包含外接矩形的质心、宽、高、旋转角度等参数信息，这些信息正好与椭圆的中心点、轴长度、旋转角度等信息吻合

print("ellipse:", ellipse)
# 绘制椭圆
img_cnt = cv2.ellipse(binary, ellipse, (0, 0, 0), 4)
axes[3].imshow(img_cnt, cmap=plt.get_cmap('gray'))
plt.show()

多边形拟合

fig, axes = plt.subplots(1, 4, figsize=(15, 15))
img = cv2.imread('../data/cloud.png', 1)[..., ::-1]
axes[0].imshow(img)

gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
axes[1].imshow(gray, cmap=plt.get_cmap('gray'))

t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
axes[2].imshow(binary, cmap=plt.get_cmap('gray'))

#查找轮廓
cnts, hie = cv2.findContours(binary,
                             mode=cv2.RETR_EXTERNAL,  #只检测外轮廓
                             method=cv2.CHAIN_APPROX_NONE)  #存储所有的轮廓点

epsilon = 0.01 * cv2.arcLength(cnts[0], True)  # 精度，根据周长计算，True表示求封闭周长，0。01表示是0.01倍周长
poins = cv2.approxPolyDP(cnts[0], epsilon, True)  # 构造多边形True表示闭合

# 绘制椭圆
img_cnt = cv2.drawContours(binary, [poins], -1, (0, 0, 0), 4)  #-1表示轮廓集内所有轮廓都要画出来，是轮廓的索引
axes[3].imshow(img_cnt, cmap=plt.get_cmap('gray'))
plt.show()

视频操作

读取摄像头

'''
读取摄像头，并播放
'''
import cv2

# 读取摄像头对象
cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, img = cap.read()  # 捕获一帧图像
    cv2.imshow('img', img)
    key = cv2.waitKey(1)
    if key == 27:
        break
cap.release()  # 释放掉摄像头对象
cv2.destroyAllWindows()

播放视频文件

import cv2

cap = cv2.VideoCapture("./output.avi")  # 打开视频文件
while cap.isOpened():
    ret, frame = cap.read()  # 读取帧
    cv2.imshow("frame", frame)  # 显示
    c = cv2.waitKey(25)
    if c == 27:  # ESC键
        break

cap.release()  # 释放视频设备
cv2.destroyAllWindows()

捕获并保存视频

import numpy as np
import cv2

""" 编解码4字标记值说明
cv2.VideoWriter_fourcc（'I','4','2','0'）表示未压缩的YUV颜色编码格式，色度子采样为4:2:0。
    该编码格式具有较好的兼容性，但产生的文件较大，文件扩展名为.avi。
cv2.VideoWriter_fourcc（'P','I','M','I'）表示 MPEG-1编码类型，生成的文件的扩展名为.avi。
cv2.VideoWriter_fourcc（'X','V','I','D'）表示MPEG-4编码类型。如果希望得到的视频大小为平均值，可以选用这个参数组合。
    该组合生成的文件的扩展名为.avi。
cv2.VideoWriter_fourcc（'T','H','E','O'）表示Ogg Vorbis编码类型，文件的扩展名为.ogv。
cv2.VideoWriter_fourcc（'F','L','V','I'）表示Flash视频，生成的文件的扩展名为.flv。
"""
cap = cv2.VideoCapture(0)
fourcc = cv2.VideoWriter_fourcc("I", "4", "2", "0")  # 编解码4字标记值
out = cv2.VideoWriter("C:\\Users\\BJTT\\Desktop\\0810\\output.avi",  # 文件名
                      fourcc,  # 编解码类型
                      20,  # fps(帧速度)
                      (640, 480))  # 视频分辨率

while cap.isOpened():
    ret, frame = cap.read()  # 读取帧
    if ret == True:
        out.write(frame)  # 写入帧
        cv2.imshow("frame", frame)
        if cv2.waitKey(1) == 27:  # ESC键
            break
    else:
        break

cap.release()
out.release()
cv2.destroyAllWindows()