[转]《python+opencv实践》一、基于颜色的物体追踪（下）

新的改变

做了功能上的强化，强化如下：

（1）加了pts清空，即当没有检测到目标时，清空pts，显示的图像上不再有轨迹；

（2）加了运动方向判别，能够判别目标的运动方向及当前坐标。

代码

#  coding: utf-8
#!/usr/bin/env python
from collections import  deque
import numpy as np
import time
#import imutils
import cv2
#设定红色阈值，HSV空间
redLower = np.array([170, 100, 100])
redUpper = np.array([179, 255, 255])
#初始化追踪点的列表
mybuffer = 16
pts = deque(maxlen=mybuffer)
counter = 0
#打开摄像头
camera = cv2.VideoCapture(0)
#等待两秒
time.sleep(3)
#遍历每一帧，检测红色瓶盖
while True:#读取帧(ret, frame) = camera.read()#判断是否成功打开摄像头if not ret:print 'No Camera'break#frame = imutils.resize(frame, width=600)#转到HSV空间hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)#根据阈值构建掩膜mask = cv2.inRange(hsv, redLower, redUpper)#腐蚀操作mask = cv2.erode(mask, None, iterations=2)#膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点mask = cv2.dilate(mask, None, iterations=2)cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]#初始化瓶盖圆形轮廓质心center = None#如果存在轮廓if len(cnts) > 0:#找到面积最大的轮廓c = max(cnts, key = cv2.contourArea)#确定面积最大的轮廓的外接圆((x, y), radius) = cv2.minEnclosingCircle(c)#计算轮廓的矩M = cv2.moments(c)#计算质心center = (int(M["m10"]/M["m00"]), int(M["m01"]/M["m00"]))#只有当半径大于10时，才执行画图if radius > 10:cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2)cv2.circle(frame, center, 5, (0, 0, 255), -1)#把质心添加到pts中，并且是添加到列表左侧pts.appendleft(center)else:#如果图像中没有检测到瓶盖，则清空pts，图像上不显示轨迹。pts.clear()for i in xrange(1, len(pts)):if pts[i - 1] is None or pts[i] is None:continue#计算所画小线段的粗细thickness = int(np.sqrt(mybuffer / float(i + 1)) * 2.5)#画出小线段cv2.line(frame, pts[i - 1], pts[i], (0, 0, 255), thickness)#判断移动方向if counter >= 10 and i == 1 and len(pts) >= 10:dX = pts[-10][0] - pts[i][0]dY = pts[-10][1] - pts[i][1](dirX, dirY) = ("", "")if np.abs(dX) > 20:dirX = "East" if np.sign(dX) == 1 else "West"if np.abs(dY) > 20:dirY = "North" if np.sign(dY) == 1 else "South"if dirX != "" and dirY != "":direction = "{}-{}".format(dirY, dirX)else:direction = dirX if dirX != "" else dirYcv2.putText(frame, direction, (20, 50), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 255, 0), 3)cv2.putText(frame, "dx: {}, dy: {}".format(dX, dY), (10, frame.shape[0] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.35, (0, 0, 255), 1)cv2.imshow('Frame', frame)#键盘检测，检测到esc键退出k = cv2.waitKey(1)&0xFFcounter += 1if k == 27:break
#摄像头释放
camera.release()
#销毁所有窗口
cv2.destroyAllWindows()

[转]《python+opencv实践》一、基于颜色的物体追踪（下）相关推荐

物体追踪实战：使用 OpenCV实现对指定颜色的物体追踪
本文实现对特定颜色的物体追踪,我实验用的是绿萝的树叶. 新建脚本ball_tracking.py,加入代码: import argparse from collections import deque ...
2021-01-07 python opencv实现车牌识别颜色定位
python opencv实现车牌识别颜色定位主要代码参考https://blog.csdn.net/wzh191920/article/details/79589506 GitHub:https ...
Python OpenCV实践，相机标定
Python OpenCV实践,相机标定前言准备棋盘格标定相机图像去畸变前言本篇主要是使用python opencv标定相机内参和畸变参数的记录,主要参考opencv官方文档中的示例. 本 ...
【opencv学习】光流算法以及物体追踪算法（Lucas-Kanade算法）
正所谓的光流估计,就是在视频的前后帧的分析中,能分析出图中的一些object的移动方向和速度,可以做目标追踪使用. Lucas-Kanade算法改进经典的光流估计是Lucas-Kanade 算法,这 ...
python爬虫实践记录-基于requests访问翻译网页爬取结果
前言目前主流的翻译网站反爬虫都挺严格的,某度有sign算法,谷歌自带技能冷却.... 查了一下发现一个反爬虫没用那么苛刻的翻译网站:译典通. 第一次听说这个网站,界面挺老,爬来的源代 ...
python opencv实践图像去畸变
目录前言镜头成像畸变原因去畸变方法 python去畸变输入代码结果前言由于相机的镜头并不完全理想,成像时会产生线条扭曲.失真等.对双目图像.鸟瞰图等进行处理时,首先要矫正去畸变. 镜头 ...
python opencv 连通域_基于OpenCV及连通域分析进行文本块分割
上一次通过投影的方式进行了文本块分割,但这种方法有很大的局限性,要求分行清晰.不能有字符跨多行.不能倾斜,而且对噪声比较敏感.还是拿上一回的图片,但是我在上面加了一个比较大的字,得出的结果就有问题了: ...
python opencv 利用分水岭算法实现对物体的分割图文详细注释版以分割官网提供的硬币为例
分水岭算法可以实现自动分割多个物体,opencv中 cv.watershed() 函数实现了分水岭算法话不多说,上代码 # 利用分水岭算法分离多个相同硬币 import numpy as np im ...
python更改图片中物体的颜色_Python Opencv提取图片中某种颜色组成的图形的方法...
Python Opencv提取图片中某种颜色组成的图形的方法主要目标识别图中红色的裂缝,尝试了几种不同的方法,最后发现比较每一点的RGB差值可以很好的解决这个问题,也就是提取图片中的红色相关信息.处 ...

[转]《python+opencv实践》一、基于颜色的物体追踪（下）

目录

新的改变

代码

[转]《python+opencv实践》一、基于颜色的物体追踪（下）相关推荐

最新文章

热门文章