opencv颜色处理与追踪

一、opencv RGB颜色处理

图像是颜色的矩阵

1、拉流

import cv2 as cv
import numpy as np

cam = cv.VideoCapture(0)
cam.set(3,300)

#视频帧率
cam.set(5, 30)
cam.set(cv.CAP_PROP_BRIGHTNESS, 50) #设置亮度 -64 - 64  0.0
cam.set(cv.CAP_PROP_CONTRAST, 0)   #设置对比度 -64 - 64  2.0
cam.set(cv.CAP_PROP_EXPOSURE, 1000)  #设置曝光值 1.0 - 5000  156.0

2、读取与处理视频流

while True:
    # 读取视频流
    ret, frame = cam.read()
    #print(frame.shape)#查看图像大小

    #处理视频流
    b,g,r = cv.split(frame)
    #创建不同颜色的通道
    blue = cv.merge((b,blank,blank))
    green = cv.merge((blank,g,blank))
    red = cv.merge((blank,blank,r))

    # 显示视频流
    cv.imshow('Color-Channel', frame)
    cv.imshow('blue', blue)
    cv.imshow('green', green)
    cv.imshow('red', red)

3、关闭视频流

# ESC键退出
    keyCode = cv.waitKey(30) & 0xFF
    if keyCode == 27:
        break

cam.release()
cv.destroyAllWindows()

4、使用numpy创建空白图像

#用numpy绘制一个空白画面
blank = np.zeros([240,320,1],np.uint8)
cv.imshow('blank',blank)

5、显示效果

所有代码

# -*- coding: utf-8 -*-
import cv2 as cv
import numpy as np

cam = cv.VideoCapture(0)
cam.set(3,300)

#视频帧率
cam.set(5, 30)
cam.set(cv.CAP_PROP_BRIGHTNESS, 50) #设置亮度 -64 - 64  0.0
cam.set(cv.CAP_PROP_CONTRAST, 0)   #设置对比度 -64 - 64  2.0
cam.set(cv.CAP_PROP_EXPOSURE, 1000)  #设置曝光值 1.0 - 5000  156.0

#用numpy绘制一个空白画面
blank = np.zeros([240,320,1],np.uint8)

while True:
    # 读取视频流
    ret, frame = cam.read()
    #print(frame.shape)#查看图像大小

    #处理视频流
    b,g,r = cv.split(frame)
    #创建不同颜色的通道
    blue = cv.merge((b,blank,blank))
    green = cv.merge((blank,g,blank))
    red = cv.merge((blank,blank,r))
    merge=cv.merge((b,g,r))

    # 显示视频流
    cv.imshow('Color-Channel', frame)
    cv.imshow('blue', blue)
    cv.imshow('green', green)
    cv.imshow('red', red)
    cv.imshow('blank',blank)
    cv.imshow('merge',merge)

    # ESC键退出
    keyCode = cv.waitKey(30) & 0xFF
    if keyCode == 27:
        break

cam.release()
cv.destroyAllWindows()

二、RGB转成HSV筛选出要追踪的颜色

 HSV颜色模型

 

代码

# -*- coding: utf-8 -*-
import cv2 as cv
import numpy as np

def nothing(x):
    pass

cv.namedWindow('trackbars')
cv.resizeWindow('trackbars', 400,500)
cv.createTrackbar('huelower','trackbars',50,179,nothing)
cv.createTrackbar('huehigher','trackbars',100,179,nothing)
#追踪两种颜色
cv.createTrackbar('hue2lower','trackbars',50,179,nothing)
cv.createTrackbar('hue2higher','trackbars',100,179,nothing)

cv.createTrackbar('satlow','trackbars',100,255,nothing)
cv.createTrackbar('sathigh','trackbars',255,255,nothing)
cv.createTrackbar('vallow','trackbars',100,255,nothing)
cv.createTrackbar('valhigh','trackbars',255,255,nothing)

cam = cv.VideoCapture(0)
cam.set(3,300)
#用numpy绘制一个空白画面
blank = np.zeros([240,320,1],np.uint8)

while True:
    # 读取视频流
    ret, frame = cam.read()
    #print(frame.shape)#查看图像大小
    #处理视频流
    hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
    hl = cv.getTrackbarPos('huelower','trackbars')
    hu = cv.getTrackbarPos('huehigher','trackbars')

    hl2 = cv.getTrackbarPos('hue2lower', 'trackbars')
    hu2 = cv.getTrackbarPos('hue2higher', 'trackbars')

    sl = cv.getTrackbarPos('satlow','trackbars')
    sh = cv.getTrackbarPos('sathigh','trackbars')
    vl = cv.getTrackbarPos('vallow','trackbars')
    vh = cv.getTrackbarPos('valhigh','trackbars')
    # 选取颜色范围
    lower = np.array([hl, sl,vl])  # 转换为一维数组
    upper = np.array([hu, sh, vh])

    lower2 = np.array([hl2, sl,vl])  # 转换为一维数组
    upper2 = np.array([hu2, sh, vh])


    FGmask = cv.inRange(hsv,lower,upper)  # 设置HSV的阈值
    FGmask2 = cv.inRange(hsv,lower2,upper2)  # 设置HSV的阈值
    FGmaskComp=cv.add(FGmask, FGmask2)
    cv.imshow('FGmaskComp', FGmask)
    FG = cv.bitwise_and(frame,frame, mask=FGmaskComp)  # 将掩膜和图像逐像素相加
    cv.imshow('FG',FG)
    BGmask = cv.bitwise_not(FGmaskComp)
    cv.imshow('BGmask',BGmask)
    BG = cv.cvtColor(BGmask,cv.COLOR_GRAY2BGR)
    cv.imshow('BG', BG)
    final = cv.add(FG,BG)
    cv.imshow('final',final)

    # 显示视频流
    cv.imshow('Color-Channel', frame)
    # ESC键退出
    keyCode = cv.waitKey(30) & 0xFF
    if keyCode == 27:
        break

cam.release()
cv.destroyAllWindows()

 追踪2种颜色

常用颜色阈值

 三、根据物体颜色追踪物体

追踪效果

代码,可直接复制使用,根据上文常用颜色阈值调整要追踪的颜色

# -*- coding: utf-8 -*-
import cv2 as cv
import numpy as np

def nothing(x):
    pass

cv.namedWindow('trackbars')
cv.resizeWindow('trackbars', 400,500)
cv.createTrackbar('huelower','trackbars',50,179,nothing)
cv.createTrackbar('huehigher','trackbars',100,179,nothing)
#追踪两种颜色
cv.createTrackbar('hue2lower','trackbars',50,179,nothing)
cv.createTrackbar('hue2higher','trackbars',100,179,nothing)

cv.createTrackbar('satlow','trackbars',100,255,nothing)
cv.createTrackbar('sathigh','trackbars',255,255,nothing)
cv.createTrackbar('vallow','trackbars',100,255,nothing)
cv.createTrackbar('valhigh','trackbars',255,255,nothing)

cam = cv.VideoCapture(0)
cam.set(3,400)
#用numpy绘制一个空白画面
blank = np.zeros([480,640,1],np.uint8)

while True:
    # 读取视频流
    ret, frame = cam.read()
    #print(frame.shape)#查看图像大小
    #处理视频流
    hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
    hl = cv.getTrackbarPos('huelower','trackbars')
    hu = cv.getTrackbarPos('huehigher','trackbars')
    hl2 = cv.getTrackbarPos('hue2lower', 'trackbars')
    hu2 = cv.getTrackbarPos('hue2higher', 'trackbars')
    sl = cv.getTrackbarPos('satlow','trackbars')
    sh = cv.getTrackbarPos('sathigh','trackbars')
    vl = cv.getTrackbarPos('vallow','trackbars')
    vh = cv.getTrackbarPos('valhigh','trackbars')
    # 选取颜色范围
    lower = np.array([hl, sl,vl])  # 转换为一维数组
    upper = np.array([hu, sh, vh])
    lower2 = np.array([hl2, sl,vl])  # 转换为一维数组
    upper2 = np.array([hu2, sh, vh])

    FGmask = cv.inRange(hsv,lower,upper)  # 设置HSV的阈值
    FGmask2 = cv.inRange(hsv,lower2,upper2)  #设置HSV的阈值
    FGmaskComp=cv.add(FGmask, FGmask2)
    cv.imshow('FGmaskComp', FGmaskComp)

    #找到颜色外轮廓
    contours, hierarchy = cv.findContours(FGmaskComp, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    contours = sorted(contours, key=lambda x: cv.contourArea(x), reverse=True)
    for cnt in contours:
        area = cv.contourArea(cnt)  # 计算轮廓面积
        (x,y,w,h)= cv.boundingRect(cnt)
        if area >= 50:
            #cv.drawContours(frame, [cnt], -1, (255, 0, 0),3)  # 画出图像轮廓
            cv.rectangle(frame,(x,y),(x+w,y+h),(255, 0, 0),3) #用矩形框画出轮廓

    # 显示视频流
    cv.imshow('nanocam', frame)
    # ESC键退出
    keyCode = cv.waitKey(30) & 0xFF
    if keyCode == 27:
        break

cam.release()
cv.destroyAllWindows()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV(Open Source Computer Vision Library)是一款开源的计算机视觉库,专门为图像和视频处理任务设计,广泛应用于学术研究、工业应用以及个人项目中。以下是关于OpenCV的详细介绍: 历史与发展 起源:OpenCV于1999年由英特尔公司发起,旨在促进计算机视觉技术的普及和商业化应用。该项目旨在创建一个易于使用、高效且跨平台的库,为开发者提供实现计算机视觉算法所需的基础工具。 社区与支持:随着时间的推移,OpenCV吸引了全球众多开发者和研究人员的参与,形成了活跃的社区。目前,OpenCV由非盈利组织OpenCV.org维护,并得到了全球开发者、研究机构以及企业的持续贡献和支持。 主要特点 跨平台:OpenCV支持多种操作系统,包括但不限于Windows、Linux、macOS、Android和iOS,确保代码能够在不同平台上无缝运行。 丰富的功能:库中包含了数千个优化过的函数,涵盖了计算机视觉领域的诸多方面,如图像处理(滤波、形态学操作、色彩空间转换等)、特征检测与描述(如SIFT、SURF、ORB等)、物体识别与检测(如Haar级联分类器、HOG、DNN等)、视频分析、相机校正、立体视觉、机器学习(SVM、KNN、决策树等)、深度学习(基于TensorFlow、PyTorch后端的模型加载与部署)等。 高效性能:OpenCV代码经过高度优化,能够利用多核CPU、GPU以及特定硬件加速(如Intel IPP、OpenCL等),实现高速图像处理和实时计算机视觉应用。 多语言支持:尽管OpenCV主要使用C++编写,但它提供了丰富的API绑定,支持包括C、Python、Java、MATLAB、JavaScript等多种编程语言,方便不同领域的开发者使用。 开源与免费:OpenCV遵循BSD开源许可证发布,用户可以免费下载、使用、修改和分发库及其源代码,无需担心版权问题。 架构与核心模块 OpenCV的架构围绕核心模块构建,这些模块提供了不同层次的功能: Core:包含基本的数据结构(如cv::Mat用于图像存储和操作)、基本的图像和矩阵操作、数学函数、文件I/O等底层功能。 ImgProc:提供图像预处理、滤波、几何变换、形态学操作、直方图计算、轮廓发现与分析等图像处理功能。 HighGui:提供图形用户界面(GUI)支持,如图像和视频的显示、用户交互(如鼠标事件处理)以及简单的窗口管理。 VideoIO:负责视频的读写操作,支持多种视频格式和捕获设备。 Objdetect:包含预训练的对象检测模型(如Haar级联分类器用于人脸检测)。 Features2D:提供特征点检测(如SIFT、ORB)与描述符计算、特征匹配与对应关系估计等功能。 Calib3d:用于相机标定、立体视觉、多视图几何等问题。 ML:包含传统机器学习算法,如支持向量机(SVM)、K近邻(KNN)、决策树等。 DNN:深度神经网络模块,支持导入和运行预训练的深度学习模型,如卷积神经网络(CNN)。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值