通过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 argparfrom collections import dequeimport cv2import numpy as np

导入必要的包,然后定义一些函数

def grab_contours(cnts):    # 如果 cv2.findcontours 返回的轮廓元组的长度为“2”，那么我们使用的是 opencv v2.4、v4-beta 或 v4-official    if len(cnts) == 2:        cnts = cnts[0]    # 如果轮廓元组的长度为“3”，那么我们使用的是 opencv v3、v4-pre 或 v4-alpha    elif len(cnts) == 3:        cnts = cnts[1]    el:        rai exception(("contours tuple must have length 2 or 3, "            "otherwi opencv changed their cv2.findcontours return "            "signature yet again. refer to opencv's documentation "            "in that 活见鬼文言文翻译ca"))    return cntsdef resize(image, width=none, height=none, inter=cv2.inter_area):    dim = none    (h, w) = image.shape[:2]    # 如果高和宽为none则直接返回    if width is none and height is none:        return image    # 检查宽是否是none    if width is none:        # 计算高度的比例并并按照比例计算宽度        r = height / float(h)        dim = (int(w * r), height)    # 高为none    el:        # 计算宽度比例，并计算高度        r = width / float(w)        dim = (width, int(h * r))    resized = cv2.resize(ima团队口号霸气押韵ge, dim, interpolation=inter)    # return the resized image    return resized

grab_contours 对于opencv不同版本做了兼容处理。

resize等比例改变图片的大小。

 命令行参数ap = argpar.argumentparr()ap.add_argument("-v", "--video", help="path to video")ap.add_argument("-b", "--buffer", type=int, default=64, help="max buffer size")args = vars(ap.par_args())# 绿色树叶的hsv色域空间范围greenlower = (29, 86, 6)greenupper = (64, 255, 255)pts = deque(maxlen=args["buffer"])vs = cv2.videocapture(0)fps = 30    #保存视频的fps，可以适当调整size=(600,450)fourcc=cv2.videowriter_fourcc(*'xvid')videowrite=cv2.videowriter('output.avi',fourcc,fps,size)

定义参数

–video ：视频文件的路径或者摄像头的id

–buffer 是 deque 的最大大小，它维护我们正在跟踪的球的先前 (x, y) 坐标列表。 这个双端队列允许我们绘制球的“轨迹”，详细说明它过去的位置。 较小的队列将导致较短的尾部，而较大的队列将产生较长的尾部

定义hsv空间的上限和下限

启动摄像头0

最后是保存定义videowriter对象，实现对视频的写入功能

while true:    ret_val, frame = vs.read()    if ret_val is fal:        break    frame = resize(frame, width=600)    # 通过高斯滤波去除掉一些高频噪声，使得重要的数据更加突出    blurred = cv2.gaussian工作调整通知blur(frame, (11, 11), 0)    # 将图片转为hsv    hsv = cv2.cvtcolor(blurred, cv2.color_bgr2hsv)    # inrange的作用是根据阈值进行二值化:阈值内的像素设置为白色(255)，阈值外的设置为黑色(0)    mask = cv2.inrange(hsv, greenlower, greenupper)    # 腐蚀(erode)和膨胀(dilate)的作用:    # 1. 消除噪声;    # 2. 分割(isolate)独立的图像元素，以及连接(join)相邻的元素;    # 3. 寻找图像中的明显的极大值区域或极小值区域    mask = cv2.erode(mask, none, iterations=2)    mask = cv2.dilate(mask, none, iterations=2)   

开启一个循环，该循环将一直持续到 (1) 我们按下 q 键，表明我们要终止脚本或 (2) 我们的视频文件到达终点并用完帧。

读取一帧，返回两个参数，第一个参数是否成功，第二个参数是一帧图像。

如果失败则break。

对图像进行了一些预处理。首先，我们将框架的大小调整为 600 像素的宽度。缩小帧使我们能够更快地处理帧，从而提高 fps（因为我们要处理的图像数据更少）。然后我们将模糊框架以减少高频噪声，并使我们能够专注于框架内的结构物体，例如球。最后，我们将帧转换为 hsv 颜色空间。

通过调用 cv2.inrange 处理帧中绿球的实际定位。首先为绿色提供下 hsv 颜色边界，然后是上 hsv 边界。 cv2.inrange 的输出是一个二进制掩码，

 # 寻找轮廓，不同opencv的版本cv2.findcontours返回格式有区别，所以调用了一下imutils.grab_contours做了一些兼容性处理    cnts = cv2.findcontours(mask.copy(), cv2.retr_external, cv2.chain_approx_simple)    cnts = grab_contours(cnts)    center = none 生源地贷款系统   # only proceed if at least one七夕出租搞笑图片 contour was found    if len(cnts) > 0:        # find the largest contour in the mask, then u it to compute the minimum enclosing circle        # and centroid        c = max(cnts, key=cv2.contourarea)        ((x, y), radius) = cv2.minenclosingcircle(c)        m = cv2.moments(c)        # 对于01二值化的图像，m00即为轮廓的面积, 一下公式用于计算中心距        center = (int(m["m10"] / m["m00"]), int(m["m01"] / m["m00"]))        # only proceed if the radius meets a minimum size        if radius > 10:            # draw the circle and centroid on the frame, then update the list of tracked points            cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2)            cv2.circle(frame, center, 5, (0, 0, 255), -1)        pts.appendleft(center)    for i in range(1, len(pts)):        # if either of the tracked points are none, ignore them        if pts[i - 1] is none or pts[i] is none:            continue        # compute the thickness of the line and draw the connecting line        thickness = int(np.sqrt(args["buffer"] / float(i + 1)) * 2.5)        cv2.line(frame, pts[i - 1], pts[i], (0, 0, 255), thickness)    cv2.imshow("frame", frame)    videowrite.write(frame)    key = cv2.waitkey(1) & 0xff    if key == ord("q"):        breakvideowrite.relea()vs.relea()cv2.destroyallwindows()

计算图像中对象的轮廓。在接下来的行中，将球的中心 (x, y) 坐标初始化为 none。

检查以确保在掩码中至少找到一个轮廓。假设至少找到一个轮廓，找到 cnts 列表中最大的轮廓，计算 blob 的最小包围圆，然后计算中心 (x, y) 坐标（即“质心”）。

快速检查以确保最小包围圆的半径足够大。如果半径通过测试，我们然后画两个圆圈：一个围绕球本身，另一个表示球的质心。

然后，将质心附加到 pts 列表中。

循环遍历每个 pts。如果当前点或前一个点为 none（表示在该给定帧中没有成功检测到球），那么我们忽略当前索引继续循环遍历 pts。

如果两个点都有效，我们计算轨迹的厚度，然后将其绘制在框架上。

到此这篇关于通过opencv实现对指定颜色的物体追踪的文章就介绍到这了,更多相关opencv对指定颜色的物体追踪内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！