亚洲自拍天堂,www,亚洲黄色片,污污久久,青青草网站首页,年轻人在线毛片免费看视频在线 ,2019天天日夜夜操,婷婷视频网,清纯唯美亚洲第一页麻豆豆花

點擊左上方藍(lán)字關(guān)注我們

一個專注于目標(biāo)檢測與深度學(xué)習(xí)知識分享的公眾號

編者薦語

作者也是一個Opencv-python的初學(xué)者，跟著他的節(jié)奏學(xué)習(xí)，或許他的方案可以給大家?guī)硪恍└邢肱c啟發(fā)。

轉(zhuǎn)載自 | Python聯(lián)盟

1.視頻讀取

首先把視頻讀取進來，因為我測試的視頻是4k的所以我用resize調(diào)整了一下視頻的分辨大小

cap = cv2.VideoCapture('video/小路口.mp4')while True:    ret,frame = cap.read()    if ret == False:        break    frame = cv2.resize(frame,(1920,1080))    cv2.imshow('frame',frame)    c = cv2.waitKey(10)    if c==27:        break

imshow()（如下圖所示）

2.截取roi區(qū)域

截取roi的區(qū)域，也就是說，為了避免多余的干擾因素我們要把紅綠燈的位置給截取出來（如下圖所示）

截取后的roi（如下圖所示）

3.轉(zhuǎn)換hsv顏色空間

HSV顏色分量范圍
（詳細(xì)參考：https://www.cnblogs.com/wangyblzu/p/5710715.html）
一般對顏色空間的圖像進行有效處理都是在HSV空間進行的，然后對于基本色中對應(yīng)的HSV分量需要給定一個嚴(yán)格的范圍，下面是通過實驗計算的模糊范圍（準(zhǔn)確的范圍在網(wǎng)上都沒有給出）。
H: 0— 180
S: 0— 255
V: 0— 255
此處把部分紅色歸為紫色范圍（如下圖所示）：

上面是已給好特定的顏色值，如果你的顏色效果不佳，可以通過python代碼來對min和max值的微調(diào)，用opencv中的api來獲取你所需理想的顏色，可以復(fù)制以下代碼來進行顏色的調(diào)整。
1.首先你要截取roi區(qū)域的一張圖片
2.讀取這張圖然后調(diào)整顏色值

顏色調(diào)整代碼如下：

（詳細(xì)參考：https://www.bilibili.com/video/BV16K411W7x9）

import cv2import numpy as np
def empty(a):    pass
def stackImages(scale,imgArray):    rows = len(imgArray)    cols = len(imgArray[0])    rowsAvailable = isinstance(imgArray[0], list)    width = imgArray[0][0].shape[1]    height = imgArray[0][0].shape[0]    if rowsAvailable:        for x in range ( 0, rows):            for y in range(0, cols):                if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:                    imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)                else:                    imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)                if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)        imageBlank = np.zeros((height, width, 3), np.uint8)        hor = [imageBlank]*rows        hor_con = [imageBlank]*rows        for x in range(0, rows):            hor[x] = np.hstack(imgArray[x])        ver = np.vstack(hor)    else:        for x in range(0, rows):            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)            else:                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)        hor= np.hstack(imgArray)        ver = hor    return ver
#讀取的圖片路徑path = './green.jpg'cv2.namedWindow("TrackBars")cv2.resizeWindow("TrackBars",640,240)cv2.createTrackbar("Hue Min","TrackBars",0,179,empty)cv2.createTrackbar("Hue Max","TrackBars",19,179,empty)cv2.createTrackbar("Sat Min","TrackBars",110,255,empty)cv2.createTrackbar("Sat Max","TrackBars",240,255,empty)cv2.createTrackbar("Val Min","TrackBars",153,255,empty)cv2.createTrackbar("Val Max","TrackBars",255,255,empty)
while True:    img = cv2.imread(path)    imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)    h_min = cv2.getTrackbarPos("Hue Min","TrackBars")    h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")    s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")    s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")    v_min = cv2.getTrackbarPos("Val Min", "TrackBars")    v_max = cv2.getTrackbarPos("Val Max", "TrackBars")    print(h_min,h_max,s_min,s_max,v_min,v_max)    lower = np.array([h_min,s_min,v_min])    upper = np.array([h_max,s_max,v_max])    mask = cv2.inRange(imgHSV,lower,upper)    imgResult = cv2.bitwise_and(img,img,mask=mask)

    imgStack = stackImages(0.6,([img,imgHSV],[mask,imgResult]))    cv2.imshow("Stacked Images", imgStack)    cv2.waitKey(1)

運行代碼后調(diào)整的結(jié)果（如下圖所示），很明顯可以看到綠色已經(jīng)被獲取到。

4.二值圖像顏色判定

因為圖像是二值的圖像，所以如果圖像出現(xiàn)白點，也就是255，那么就取他的max最大值255，視頻幀的不斷變化然后遍歷每個顏色值

red_color = np.max(red_blur)green_color = np.max(green_blur)if red_color == 255:  print('red')elif green_color == 255:  print('green')

5.顏色結(jié)果畫在圖像上

用矩形框來框選出紅綠燈區(qū)域

cv2.rectangle(frame,(1020,50),(1060,90),(0,0,255),2) #按坐標(biāo)畫出矩形框cv2.putText(frame, "red", (1020, 40), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255),2)#顯示red文本信息

6.完整代碼

import cv2import numpy as np
cap = cv2.VideoCapture('video/小路口.mp4')while True:    ret,frame = cap.read()    if ret == False:        break    frame = cv2.resize(frame,(1920,1080))    #截取roi區(qū)域    roiColor = frame[50:90,950:1100]    #轉(zhuǎn)換hsv顏色空間    hsv = cv2.cvtColor(roiColor,cv2.COLOR_BGR2HSV)
    #red    lower_hsv_red = np.array([157,177,122])    upper_hsv_red = np.array([179,255,255])    mask_red = cv2.inRange(hsv,lowerb=lower_hsv_red,upperb=upper_hsv_red)    #中值濾波    red_blur = cv2.medianBlur(mask_red, 7)    #green    lower_hsv_green = np.array([49,79,137])    upper_hsv_green = np.array([90,255,255])    mask_green = cv2.inRange(hsv,lowerb=lower_hsv_green,upperb=upper_hsv_green)    #中值濾波    green_blur = cv2.medianBlur(mask_green, 7)
    #因為圖像是二值的圖像，所以如果圖像出現(xiàn)白點，也就是255，那么就取他的max最大值255    red_color = np.max(red_blur)    green_color = np.max(green_blur)    #在red_color中判斷二值圖像如果數(shù)值等于255，那么就判定為red    if red_color == 255:        print('red')                        #。。。這是我經(jīng)常會混淆的坐標(biāo)。。。就列舉出來記一下。。。                        #      y  y+h x  x+w                        #frame[50:90,950:1100]
                        #     x   y    x+w  y+h        cv2.rectangle(frame,(1020,50),(1060,90),(0,0,255),2) #按坐標(biāo)畫出矩形框        cv2.putText(frame, "red", (1020, 40), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255),2)#顯示red文本信息    #在green_color中判斷二值圖像如果數(shù)值等于255，那么就判定為green    elif green_color == 255:        print('green')        cv2.rectangle(frame,(1020,50),(1060,90),(0,255,0),2)        cv2.putText(frame, "green", (1020, 40), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 0),2)
    cv2.imshow('frame',frame)    red_blur = cv2.resize(red_blur,(300,200))    green_blur = cv2.resize(green_blur,(300,200))    cv2.imshow('red_window',red_blur)    cv2.imshow('green_window',green_blur)
    c = cv2.waitKey(10)    if c==27:        break

檢測紅燈的效果（如下圖所示）

檢測綠燈的效果（如下圖所示）

最后?。?！

第一次接觸opencv！所以請各位視覺領(lǐng)域的大佬們勿噴我這個小菜雞！（/狗頭）
　
代碼量非常少，無泛化能力，很low的一種做法。。。不過對于小白的我來說學(xué)習(xí)hsv顏色空間還是很有幫助滴！干就完了！奧利給！

END

雙一流大學(xué)研究生團隊創(chuàng)建，專注于目標(biāo)檢測與深度學(xué)習(xí)，希望可以將分享變成一種習(xí)慣！

整理不易，點贊鼓勵一下吧↓

（附代碼）基于Python對交通路口的紅綠燈進行顏色檢測