robomaster机器视觉（c++/python:opencv）：1.识别装甲板两边光条

测试操作平台：Ubuntu16.0.4
opencv版本：3.4.1
IDE：qtcreator(C++), pycharm(python)

---

识别装甲板

在比赛中，第一步便是识别敌我机器人，通过识别装甲板可以完成。类似这种。

通过装甲板两边的光条（颜色，以及其他特征），来确定装甲板的位置并标记（后面的步骤）。

我们首先只完成识别装甲板两边的光条，并 将两边的光条保留下来

hsv基础知识

• 利用openCV中cvSplit函数的在选择图像IPL_DEPTH_32F类型时，H取值范围是0-360，S取值范围是0-1（0%-100%），V取值范围是0-1（0%-100%）。

• 利用openCV中cvSplit函数的在选择图像IPL_DEPTH_8UC类型时，H取值范围是0-180，S取值范围是0-255，V取值范围是0-255。

（我们使用的是第二种）
其中：

• h:120-180红色系
  60-120蓝色系
  0-60黄色绿色系
• s:0-255
• v:0-255

---

效果图：

源代码：（识别一张图片）

#include 
#include 
#include 
#include 
#include 
using namespace std;
using namespace cv;



int main()
{
    cv::Mat src_img ;
    src_img = imread("/home/liuxin/桌面/opencv/buff.png");
    imshow("原始图",src_img);


    if(src_img.empty())
    {
        cout<<"open failed"<<endl;
        return -1;
    }

    int LowH =60;
    int LowS=120;
    int LowV =245;

    int HighH = 120;
    int HighS = 255;
    int HighV =255;


    Mat hsvimg;
    cvtColor(src_img,hsvimg,COLOR_BGR2HSV);

    vector<Mat> hsvsplit;

    split(hsvimg,hsvsplit);
    equalizeHist(hsvsplit[2],hsvsplit[2]);
    merge(hsvsplit,hsvimg);


    Mat thresholdimg;
    inRange(hsvimg,Scalar(LowH,LowS,LowV),Scalar(HighH,HighS,HighV),thresholdimg);

    imshow("二值化后的图片",thresholdimg);


    while(1)
      {
          int key=cvWaitKey(10);
      if (key==27)
      {
          break;
      }
      }
      return(0);
}

经过修改后，可以识别视频，源代码如下：

#include 
#include 
#include 
#include 
#include 
using namespace std;
using namespace cv;



int main()
{
    VideoCapture capture("/home/liuxin/桌面/opencv/train2.mp4");

    while (capture.isOpened()) {
        Mat frame;
        capture>>frame;
        if(frame.empty())
            {
                cout<<"some thing is wrong"<<endl;
                break;
            }

        int LowH =60;
        int LowS=120;
        int LowV =245;

        int HighH = 120;
        int HighS = 255;
        int HighV =255;


        Mat hsvimg;
        cvtColor(frame,hsvimg,COLOR_BGR2HSV);

        vector<Mat> hsvsplit;

        split(hsvimg,hsvsplit);
        equalizeHist(hsvsplit[2],hsvsplit[2]);
        merge(hsvsplit,hsvimg);


        Mat thresholdimg;
        inRange(hsvimg,Scalar(LowH,LowS,LowV),Scalar(HighH,HighS,HighV),thresholdimg);

        imshow("二值化后的图片",thresholdimg);


        int key=cvWaitKey(10);
        if (key==27)
        {
         break;
        }

    }
return 0;

}

---

下一节：将根据识别后的光条来去画矩形框，锁定击打区域

https://blog.csdn.net/weixin_42755384/article/details/88537705