基于OpenCV實(shí)戰(zhàn)：對象跟蹤
點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
跟蹤對象的基本思想是找到對象的輪廓，基于HSV顏色值。
輪廓：突出顯示對象的圖像片段。例如，如果將二進(jìn)制閾值應(yīng)用于具有（180,255）的圖像，則大于180的像素將以白色突出顯示，而其他則為黑色。白色部分稱為輪廓。
在繼續(xù)下面的操作之前，請?jiān)谙到y(tǒng)中安裝OpenCV。打開命令提示符并鍵入
pip install opencv-pythonimport cv2cam = cv2.VideoCapture(0)img = cam.read()[1] #_, img = cam.read()
參數(shù)0-用于主相機(jī)，例如在筆記本電腦網(wǎng)絡(luò)攝像頭中被視為主相機(jī)。1-代表中學(xué)，依此類推。
1、使用高斯濾波器對圖像進(jìn)行歸一化。歸一化圖像可能會丟失許多小信息，但是我們需要?dú)w一化/模糊圖像，以使我們的對象獲得均等的顏色分布。
＃cv2.gaussianBlur（source_image，Kernal_size，Border_width）
Blur_img = cv2.GaussianBlur(img,(11,11),0)2、將圖像轉(zhuǎn)換為HSV顏色模型。
HSV = cv2.cvtColor(Blur_img, cv2.COLOR_BGR2HSV)
Obj_low = np.array([0,0,0]) # In my case (H,S,V)Obj_high = np.array([179,157,79])
在給定的HSV值范圍內(nèi)應(yīng)用二進(jìn)制閾值，黑白Obj_low和Obj_high。
MASK = cv2.inRange(HSV, Obj_low, Obj_high)
＃MASK2 = cv2.inRange（HSV，Obj2_low，Obj2_high）
如果嘗試跟蹤兩個(gè)不同的對象，則需要?jiǎng)?chuàng)建2個(gè)不同的蒙版，并最終在兩個(gè)蒙版上使用“按位與”運(yùn)算符。
#mask = cv2.bitwise_and（mask1，mask2）
侵蝕和膨脹：侵蝕和膨脹填充閾值圖像中的黑色和白色斑點(diǎn)。這樣可使圖像更清晰，平滑并突出主要對象。
MASK = cv2.erode(MASK1, None, iterations=2)MASK = cv2.dilate(MASK1, None, iterations =2)
輪廓：突出顯示對象的圖像片段。例如，如果將二進(jìn)制閾值應(yīng)用于具有（180,255）的圖像，則大于180的像素將以白色突出顯示，而其他則為黑色。白色部分稱為輪廓。
cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]if len(cnts)>0 :c = max(cnts, key = cv2.contourArea)
在上面給定的圖像中，整個(gè)白色邊界區(qū)域是輪廓。輪廓可能不止一個(gè)，但主要對象的面積將最大。所以選擇輪廓最大。然后..
得到主要物體的輪廓后，在輪廓上畫一個(gè)圓。
((x,y), radius) = cv2.minEnclosingCircle(c)M = cv2.moments(c)center = (int(M[‘m10’]/ M[‘m00’]), int(M[‘m01’]/ M[‘m00’]) )cv2.circle(img, center, 5, (0,0,255), -1)cv2.circle(img, center, int(radius), (0,0,255), 2)
對象跟蹤程序代碼
import cv2import numpy as npcam = cv2.VideoCapture(0)Obj_low = np.array([0,0,0])Obj_high = np.array([179,157,79])while True:img = cam.read()[1]img = cv2.resize(img, (800,600) )blur_img = cv2.GaussianBlur(img,(21,21),0)HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)MASK1 = cv2.inRange(HSV, Obj_low, Obj_high)MASK1 = cv2.erode(MASK1, None, iterations=2)MASK1 = cv2.dilate(MASK1, None, iterations =2)cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]center = Noneif len(cnts)>0 :c = max(cnts, key = cv2.contourArea)radius) = cv2.minEnclosingCircle(c)M = cv2.moments(c)center = (int(M['m10']/ M['m00']), int(M['m01']/ M['m00']) )if radius>10:center, 5, (0,0,255), -1)center, int(radius), (0,0,255), 2)window",img)k = cv2.waitKey(1)if k==27:breakcam.release()cv2.destroyAllWindows()
交流群
歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會請出群，謝謝理解~