Opencv:视频颜色识别与跟踪Python实现

Opencv:视频颜色识别与跟踪Python实现

一、内容

识别跟踪视频中的特定颜色对象

这个是其实图像处理与二值分析的视频版本,通过读取视频每一帧的图像,然后对图像二值分析,得到指定的色块区域,主要步骤如下:
1. 色彩转换BGR2HSV
2. inRange提取颜色区域mask
3. 对mask区域进行二值分析得到位置与轮廓信息
4. 绘制外接椭圆与中心位置
5.
显示结果

其中涉及到的知识点主要包括图像处理、色彩空间转换、形态学、轮廓分析等。

二、代码

import cv2 as cv
import numpy as np

# 读取视频
capture = cv.VideoCapture("D:/vsprojects/images/color_object.mp4")
# capture = cv.VideoCapture(0)
height = capture.get(cv.CAP_PROP_FRAME_HEIGHT)
width = capture.get(cv.CAP_PROP_FRAME_WIDTH)
count = capture.get(cv.CAP_PROP_FRAME_COUNT)
fps = capture.get(cv.CAP_PROP_FPS)
print(height, width, count, fps)


def process(image, opt=1):
    # RGB转HSV色彩空间
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    # 结构元素
    line = cv.getStructuringElement(cv.MORPH_RECT, (15, 15), (-1, -1))
    # HSV红色范围
    mask = cv.inRange(hsv, (0, 43, 46), (10, 255, 255))
    # 开操作
    mask = cv.morphologyEx(mask, cv.MORPH_OPEN, line)

    # 轮廓提取, 发现最大轮廓
    contours, hierarchy = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    index = -1
    max = 0
    for c in range(len(contours)):
        area = cv.contourArea(contours[c])
        if area > max:
            max = area
            index = c
    # 绘制
    if index >= 0:
        rect = cv.minAreaRect(contours[index])
        # 椭圆拟合
        cv.ellipse(image, rect, (255, 0, 0), 2, 8)
        # 中心点定位
        cv.circle(image, (np.int32(rect[0][0]), np.int32(rect[0][1])), 2, (0, 255, 0), 2, 8, 0)
    return image

# 循环处理每一帧
while(True):
    ret, frame = capture.read()
    if ret is True:
        cv.imshow("video-input", frame)
        result = process(frame)
        cv.imshow("result", result)
        c = cv.waitKey(50)
        print(c)
        if c == 27:  #ESC
            break
    else:
        break
cv.waitKey(0)
cv.destroyAllWindows()

三、结果

1.原始输入视频

Opencv:视频颜色识别与跟踪Python实现_第1张图片

2.动态识别视频

Opencv:视频颜色识别与跟踪Python实现_第2张图片

你可能感兴趣的:(opencv)