opencv颜色处理与追踪

已于 2023-11-20 21:41:32 修改
阅读量175 收藏 1
点赞数 1
文章标签： opencv 人工智能 计算机视觉
于 2023-11-20 16:26:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_62689198/article/details/134505284
版权

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()

前方541
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV4机器学习（三）：颜色空间（RGB、HSI(1)
2401_84182020的博客
04-28 860
HSV和HSL二者在数学上都是圆柱，但HSV在概念上可以被认为是颜色的倒圆锥体（黑点在下顶点，白色在上底面圆心），HSL在概念上表示了一个双圆锥体和圆球体（白色在上顶点，黑色在下顶点，最大横切面的圆心是半程灰色）。某一点的S可以由该点与所在圆面的圆心之间的距离表示，距离越大，饱和度越高，反之越低；Lab模式对于PS极为重要，它是PS从一种颜色模式转换到另一种颜色模式的内部转化方式，PS从一种颜色模式转换到另一种颜色模式时，总是先转换到Lab模式。它是一种设备无关的颜色模型，也是一种基于生理特征的颜色模型。
opencv调节图像色相、饱和度、明度（H\S\V）
热门推荐
Cong的专栏
11-10 1万+
一、环境 1、Qt5.5.1; 2、opencv3.0； 3、visual studio 2013. 二、核心代码 1、图像处理部分 //调节图像的色相、饱和度、明度 bool CvImageAdjust::AddHSV(const QImage& inImg, QImage& outImg, double dH, double dS, double dV)
第三章-OpenCV基础-5-色彩处理
行者Sun
02-26 503
色彩空间的相关知识
2024年最新OpenCV4机器学习（三）：颜色空间（RGB、HSI(2)，2024年最新看这里
2301_78399616的博客
05-05 569
如图所示，某一像素的H可以由该点与白色基准线所形成的圆心角表示，H的取值范围为[0,360]；某一点的S可以由该点与所在圆面的圆心之间的距离表示，距离越大，饱和度越高，反之越低；某一点的V可以由该点所在圆面与圆锥顶部之间的距离表示，距离越大，亮度越高，反之则越低。RGB到HSV的转换公式如下：HSV颜色空间不适合显示器系统，但是更符合人眼的视觉特性，因此通常会将颜色从RGB空间域转换到HSV颜色空间进行处理，然后在换回RGB域进行显示。
opencv基础05-彩色RGB像素值操作
小海聊智造
07-13 3359
图像是 BGR 格式的，得到的数值为[0,0,255]。 img[0,0,0]：访问图像 img 第 0 行第 0 列第 0 个通道的像素值。 img[0,0,1]：访问图像 img 第 0 行第 0 列第 1 个通道的像素值。 img[0,0,2]：访问图像 img 第 0 行第 0 列第 2 个通道的像素值。以第 0 个通道是 B 通道，会得到 B 通道内第 0 行第 0 列的位置所对应的值 0。以第 1 个通道是 G 通道，会得到 G 通道内第 0 行第 0 列的位置所对应的值 0。
OpenMV——色块识别
qq_61448516的博客
01-26 7821
函数RGB(255,0,0)表示的是红色。RGB(255,0,0)含义：红色值 Red=255；绿色值 Green=0；蓝色值 Green=0。常见颜色:黑色RGB：红色值 Red=0；绿色值 Green=0；蓝色值 Green=0；蓝色RGB：红色值 Red=0；绿色值 Green=0；蓝色值 Green=255；绿色RGB：红色值 Red=0；绿色值 Green=255；蓝色值 Green=0；青色RGB：红色值 Red=0；绿色值 Green=255；蓝色值 Green=255；
opencv的颜色跟踪学习
ff_xun的博客
12-28 1103
Robotics Lab1 一.主要代码分析 1.首先是实例化模板，默认检测为蓝色 if __name__ == '__main__': import sys try: color = sys.argv[1] #外部读入数据 except: color = 1 #在函数发生IndexError的时候，直接赋值给color为1，检测颜色为蓝色 print __doc_...
opencv彩色目标跟踪
never give up的博客
10-16 3836
opencv彩色目标跟踪
OpenCV 颜色追踪的示例代码
08-25
"OpenCV 颜色追踪示例代码详解" OpenCV 颜色追踪是计算机视觉中的一个重要应用，通过对视频或图像序列中的颜色信息进行追踪，可以实现对象跟踪、跟踪分析、目标检测等功能。下面我们将通过 OpenCV 库提供的示例代码...
opencv 颜色追踪.rar
03-30
在OpenCV库中，颜色追踪是一种常见的计算机视觉技术，用于识别和跟踪图像中特定颜色的物体。本项目“opencv 颜色追踪.rar”显然旨在教你如何使用Python和OpenCV来实现这一功能，特别是通过摄像头实时捕捉并追踪物体...
opencv基于HSV颜色用途，颜色追踪
10-20
RGB 颜色空间利用三个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这三个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这三个分量才行。 但是人眼对于这三种...
python+opencv实现动态物体追踪
09-20
Python作为一门简洁易读的编程语言，与OpenCV结合，能够快速构建出动态物体追踪的解决方案。 在给出的代码中，我们首先导入了必要的库：`cv2` 和 `numpy`。`cv2` 是OpenCV的Python接口，而`numpy`是用于处理数组...
OpenCV图像处理.rar
03-29
5. 目标识别与追踪：OpenCV中的`cv::Tracker`类可以实现对特定目标的实时追踪，而`cv::CascadeClassifier`则可以进行人脸识别或物体检测。 6. 三维视觉：OpenCV也提供了一些处理立体视觉和多视图几何的工具，如立体...
Android使用OpenCV CamShift实现目标追踪
kongqw
05-11 3540
CamShift算法基于色值，适用于追踪颜色和背景差异较大的目标。
Android JNI 中使用OpenCV (颜色块跟踪)
WuDong
01-17 1034
Pre：Android NDK 开发：https://blog.csdn.net/u011608180/article/details/85063634          Android JNI 中使用OpenCV：https://blog.csdn.net/u011608180/article/details/85244329          HSV颜色空间详解：https://blog....
android 颜色测试,ANDROID – 使用openCV进行颜色检测 – 如何操作？
weixin_35327824的博客
05-26 701
我的目标是使用HSV颜色空间显示一个脱粒的图像,只显示黄色对象.我使用此代码(基于openCV 2.3.1android示例提供的代码)：protected Bitmap processFrame(VideoCapture capture) {//capture.retrieve(mGray, Highgui.CV_CAP_ANDROID_GREY_FRAME);//Imgproc.cvtColo...
物体追踪实战：使用 OpenCV实现对指定颜色的物体追踪
04-08 762
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。我先来介绍一下这些东西怎么用，文末抱走。
利用opencv实现颜色跟踪
2401_83397903的博客
04-02 443
完成了对颜色块的hsv读取，之后我们只需要对摄像头读取的图像每一帧进行一个扫描，找到该hsv阈值内的颜色块，并将它用框框框起来。并设置一个范围，对可能出现的错误颜色区域不进行识别，因为背景环境有可能跟目标颜色块颜色相同，导致错误识别。img[1900,1400] 确定颜色区域某个位置点即可，可使用画图工具打开图像获取。通过计算可得到该颜色的上、下hsv范围。将错误识别的小点点滤除，减小干扰。
基于opencv[python]的人脸检测
最新发布
m0_65963495的博客
07-25 2613
从这里可以清晰看到有1/3的图像没有成功检测到，后面我试试用Faster R-CNN模型，不过需要标注，数据量也大，这里先试着玩玩呗。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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