基于opencv的小球追踪（颜色追踪）的python实现

2023-12-10 15:32| 来源: 网络整理| 查看: 265

程序参考：树莓派视觉小车 – 小球追踪（颜色追踪）（OpenCV色彩空间HSV）https://car.inotgo.com/2021/11/20211108230409934Q.html 树莓派算力有限，现在使用手机摄像头充当电脑的无线摄像头，通过手机安装于树莓派小车上实现图像采集，在电脑端进行视觉处理，后期实现计算机控制小车运行实现小球追踪。

效果展示

理论基础为什么用HSV空间而不是RGB空间？因为RGB通道并不能很好地反映出物体具体的颜色信息。而HSV空间能够非常直观的表达色彩的明暗、色调、以及鲜艳程度，方便进行颜色之间的对比。（RGB受光线影响很大，所以采取HSV）这里用HSV的目的：得到合适的二值图。 Hue：色相（具体的颜色），Value（明度），Saturation（饱和度）程序及介绍 import numpy as np import cv2 def nothing(*arg):#创建回调函数 pass def Trackbar_Init(): # 1 create windows 窗口设置（名称） cv2.namedWindow('h_binary') cv2.namedWindow('s_binary') cv2.namedWindow('v_binary') # 2 Create Trackbar 滑动条设置 cv2.createTrackbar('hmin', 'h_binary', 86, 179, nothing) cv2.createTrackbar('hmax', 'h_binary', 100, 179, nothing) cv2.createTrackbar('smin', 's_binary', 80, 255, nothing) cv2.createTrackbar('smax', 's_binary', 213, 255, nothing) cv2.createTrackbar('vmin', 'v_binary', 180, 255, nothing) cv2.createTrackbar('vmax', 'v_binary', 255, 255, nothing) # 创建滑动条滑动条值名称窗口名称滑动条值滑动条阈值回调函数 def Get_HSV(image): # 1 get trackbar's value 获取滑动条的值 hmin = cv2.getTrackbarPos('hmin', 'h_binary') hmax = cv2.getTrackbarPos('hmax', 'h_binary') smin = cv2.getTrackbarPos('smin', 's_binary') smax = cv2.getTrackbarPos('smax', 's_binary') vmin = cv2.getTrackbarPos('vmin', 'v_binary') vmax = cv2.getTrackbarPos('vmax', 'v_binary') # 2 to HSV 转HSV（三通道：H、S、V） hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) cv2.imshow('hsv', hsv) h, s, v = cv2.split(hsv) # 3 set threshold (binary image) 转二值图（单通道阈值处理） # if value in (min, max):white; otherwise:black h_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax)) s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax)) v_binary = cv2.inRange(np.array(v), np.array(vmin), np.array(vmax)) # 4 get binary（对H、S、V三个通道分别与操作） binary = cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, v_binary)) # 5 Show cv2.imshow('h_binary', h_binary) cv2.imshow('s_binary', s_binary) cv2.imshow('v_binary', v_binary) cv2.imshow('binary', binary) return binary def Image_Processing(): global h, s, v # 1 Capture the frames 打开摄像头 ret, frame = camera.read() image = frame cv2.imshow('frame', frame) # 2 get HSV 获取HSV色彩空间得到的二值图（步骤四的HSV处理） binary = Get_HSV(frame) # 3 Gausi blur 高斯滤波 blur = cv2.GaussianBlur(binary,(9,9),0) # 4 Open 开运算（去噪） kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9)) Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel) cv2.imshow('Open',Open) # 5 Close 闭运算 Close = cv2.morphologyEx(Open, cv2.MORPH_CLOSE, kernel) cv2.imshow('Close',Close) # 6 Hough Circle detect 霍夫圆检测 circles = cv2.HoughCircles(Close,cv2.HOUGH_GRADIENT,2,120,param1=120,param2=20,minRadius=20,maxRadius=0) # param2:决定圆能否被检测到（越少越容易检测到圆，但相应的也更容易出错） # judge if circles is exist if circles is not None: # 1 获取圆的圆心和半径 x, y, r = int(circles[0][0][0]),int(circles[0][0][1]),int(circles[0][0][2]) print(x, y, r) # 2 画圆 cv2.circle(image, (x, y), r, (255,0,255),5) cv2.imshow('image', image) else: (x,y),r = (0,0), 0 return (x,y), r width, height = 640, 480 camera = cv2.VideoCapture(0) camera.set(3, width) camera.set(4, height) if __name__ == '__main__': Trackbar_Init() while True: (x, y), r = Image_Processing() #后期可以在这里插入一个move((x,y),r)函数，对应小球所在位置及大小采取相应的运动策略 if cv2.waitKey(1) & 0xFF == ord('q'): # 按q键退出 break

【本文地址】

公司简介

联系我们