【附源码】Python ：方形物体实时抓捕（简易）

本文链接：https://blog.csdn.net/weixin_72553621/article/details/140823587

系列文章目录

Python 检测学习：方形物体实时抓捕（简易）

文章目录

系列文章目录
前言
一、项目需求
二、代码分析
总结

前言

进行一个简易的方形物体检测，可能会存在误差出现，还需要进一步的详细调整。

一、项目需求

实时从摄像头中检测正方形物体，在检测到的物体周围绘制轮廓，并在画面中显示检测数量

二、代码分析

1.思路分析

1.1导入模块

import cv2：导入OpenCV库，用于图像处理和计算机视觉任务。
import numpy as np：导入NumPy库，通常用于数学运算，但在这段代码中似乎没有直接使用。

1.2定义is_square函数

该函数接收一个轮廓(contour)作为参数。
使用cv2.arcLength计算轮廓的周长。
使用cv2.approxPolyDP对轮廓进行多边形近似，参数0.02 * perimeter用于确定多边形的精度。
如果近似后的多边形有4个顶点并且是凸的（使用cv2.isContourConvex判断），则认为它可能是一个正方形。

1.3定义main函数

使用cv2.VideoCapture(0)打开默认摄像头。
使用循环读取摄像头的每一帧图像。
如果无法读取帧，打印错误信息并退出循环。
将读取的帧转换为灰度图像，使用cv2.cvtColor。
对灰度图像应用高斯模糊，使用cv2.GaussianBlur，以减少图像噪声。
使用Canny算法进行边缘检测，使用cv2.Canny。
使用cv2.findContours查找边缘检测后的轮廓。
遍历找到的轮廓，使用is_square函数检测是否为正方形，如果是，则添加到squares列表中。
在原图上绘制检测到的正方形轮廓，使用cv2.drawContours。
在图像上显示检测到的正方形数量，使用cv2.putText。
使用cv2.imshow显示处理后的图像。
如果按下’q’键，则退出循环。
循环结束后，释放摄像头并关闭所有OpenCV窗口。

1.4注意事项

is_square函数中对正方形的判断较为简单，可能需要根据实际情况调整参数以提高检测准确性。
程序没有异常处理机制，例如摄像头打开失败或读取失败时，程序会直接退出，可能需要添加更复杂的错误处理逻辑。
程序在检测到正方形时，只是简单地绘制了轮廓，没有进一步的处理或分析。

2.源代码

代码如下：

# 导入OpenCV库，用于图像处理和计算机视觉任务
import cv2
# 导入NumPy库，通常用于数学运算，但在这段代码中似乎没有直接使用
import numpy as np

# 定义一个函数，用于判断给定轮廓是否为正方形
def is_square(contour):
    # 计算轮廓的周长
    perimeter = cv2.arcLength(contour, True)
    # 使用轮廓的周长作为精度参数，对轮廓进行多边形近似
    approx = cv2.approxPolyDP(contour, 0.02 * perimeter, True)
    # 如果多边形的顶点数为4，并且是凸四边形，则可能是正方形
    if len(approx) == 4 and cv2.isContourConvex(approx):
        return True
    # 如果不是4个顶点或者不是凸四边形，则返回False
    return False

# 定义主函数
def main():
    # 尝试打开摄像头，参数0通常表示默认的摄像头
    cap = cv2.VideoCapture(0)
    # 检查摄像头是否成功打开
    if not cap.isOpened():
        print("无法打开摄像头")
        return

    # 循环直到用户决定退出
    while True:
        # 从摄像头读取一帧图像
        ret, frame = cap.read()
        # 如果读取失败，则打印错误信息并退出循环
        if not ret:
            print("无法读取帧")
            break

        # 将图像转换为灰度图像，这有助于减少处理时间和提高某些算法的效果
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 对灰度图像进行高斯模糊，以减少图像噪声，提高边缘检测的准确性
        blurred = cv2.GaussianBlur(gray, (5, 5), 0)

        # 使用Canny算法进行边缘检测，50和150是阈值参数
        edges = cv2.Canny(blurred, 50, 150)

        # 查找边缘检测图像中的轮廓
        contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

        # 初始化一个列表，用于存储检测到的正方形轮廓
        squares = []
        # 遍历所有轮廓
        for contour in contours:
            # 如果轮廓是正方形，则添加到列表中
            if is_square(contour):
                squares.append(contour)

        # 遍历检测到的正方形轮廓，并在原图上绘制轮廓
        for square in squares:
            # 计算轮廓的面积和周长，虽然这里没有使用这些值，但可以用于进一步分析
            area = cv2.contourArea(square)
            perimeter = cv2.arcLength(square, True)
            # 使用绿色线条在原图上绘制轮廓
            cv2.drawContours(frame, [square], -1, (0, 255, 0), 2)

        # 在图像的左上角显示检测到的正方形数量
        cv2.putText(frame, f'Objects: {len(squares)}', (10, 30),
                    cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

        # 显示处理后的图像
        cv2.imshow('Frame', frame)

        # 等待1ms，如果按下'q'键，则退出循环
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    # 释放摄像头资源
    cap.release()
    # 关闭所有OpenCV创建的窗口
    cv2.destroyAllWindows()

# 程序入口
if __name__ == '__main__':
    main()

总结

以上代码是一个完整的Python脚本，用于实时从摄像头中检测正方形物体，并在检测到的物体周围绘制轮廓。代码中包含了基本的图像处理步骤，如灰度转换、高斯模糊、Canny边缘检测和轮廓查找。此外，还定义了一个辅助函数is_square来判断轮廓是否为正方形。程序运行时会显示处理后的图像，并在左上角显示检测到的正方形数量。用户可以通过按’q’键退出程序。