新機器視覺 - 基於 OpenCV 實戰：對象跟蹤－鑽石舞台

點擊下方卡片，關注「新機器視覺」公眾號

重磅乾貨，第一時間送達

作者 |小白

來源丨小白學視覺

介紹

跟蹤對象的基本思想是找到對象的輪廓，基於HSV顏色值。

輪廓：突出顯示對象的圖像片段。例如，如果將二進制閾值應用於具有（180,255）的圖像，則大於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。

在繼續下面的操作之前，請在系統中安裝OpenCV。打開命令提示符並鍵入

pip install opencv-python

步驟1：從相機讀取數據

import cv2cam = cv2.VideoCapture(0) img = cam.read()[1] #_, img = cam.read()

參數0-用於主相機，例如在筆記本電腦網絡攝像頭中被視為主相機。1-代表中學，依此類推。

步驟2：預處理框架

1、使用高斯濾波器對圖像進行歸一化。歸一化圖像可能會丟失許多小信息，但是我們需要歸一化/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、將圖像轉換為HSV顏色模型。

HSV = cv2.cvtColor(Blur_img, cv2.COLOR_BGR2HSV)

步驟3：找到對應對象的HSV顏色

Obj_low = np.array([0,0,0]) # In my case (H,S,V)Obj_high = np.array([179,157,79])

步驟4：閾值化

在給定的HSV值範圍內應用二進制閾值，黑白Obj_low和Obj_high。

MASK = cv2.inRange(HSV, Obj_low, Obj_high)

＃MASK2 = cv2.inRange（HSV，Obj2_low，Obj2_high）

如果嘗試跟蹤兩個不同的對象，則需要創建2個不同的蒙版，並最終在兩個蒙版上使用「按位與」運算符。

#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。這樣可使圖像更清晰，平滑並突出主要對象。

MASK = cv2.erode(MASK1, None, iterations=2)MASK = cv2.dilate(MASK1, None, iterations =2)

步驟5：在圖像中查找輪廓

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，整個白色邊界區域是輪廓。輪廓可能不止一個，但主要對象的面積將最大。所以選擇輪廓最大。然後..

步驟6：在對象上繪製圓

得到主要物體的輪廓後，在輪廓上畫一個圓。

((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 = None if len(cnts)>0 : c = max(cnts, key = cv2.contourArea) ((x,y), radius) = cv2.minEnclosingCircle(c) M = cv2.moments(c) center = (int(M['m10']/ M['m00']), int(M['m01']/ M['m00']) ) if radius>10: cv2.circle(img, center, 5, (0,0,255), -1) cv2.circle(img, center, int(radius), (0,0,255), 2) cv2.imshow("my window",img) k = cv2.waitKey(1) if k==27: breakcam.release()cv2.destroyAllWindows()

本文僅做學術分享，如有侵權，請聯繫刪文。

—THE END—