[python opencv 计算机视觉零基础到实战] 五、对象追踪

一、学习目标

  1. 了解为什么色彩空间的转换那么重要
  2. 了解opencv中进行对象跟踪的方法

目录

[python opencv 计算机视觉零基础到实战] 一、opencv的helloworld

[【python opencv 计算机视觉零基础到实战】二、 opencv文件格式与摄像头读取] 一、opencv的helloworld

[[python opencv 计算机视觉零基础到实战] 三、numpy与图像编辑] 一、opencv的helloworld

[[python opencv 计算机视觉零基础到实战] 四、了解色彩空间及其详解] 一、opencv的helloworld

[[python opencv 计算机视觉零基础到实战] 五、对象追踪] 一、opencv的helloworld
如有错误欢迎指出~

二、了解OpenCV中使用inRange进行对象跟踪

2.1 了解色彩空间的转换为什么那么重要

上一节中,我们了解了色彩空间的转换,那为什么要了解色彩空间?上一节中并没有进行说明,这一节将通过色彩空间的转换,使我们能够对一些对象进行追踪;这一节所需要转换的色彩空间是HSV色彩空间,在HSV色彩空间中,不同的颜色有不同的取值范围,通过这些范围可以对一些指定颜色进行过滤捕获,从而实现跟踪。

首先我们查看一下HSV色彩空间中,一般颜色的取值范围。HSV存在3个通道,我们以下为黑白灰、红橙黄绿青蓝紫颜色的三个通道取值范围;我们了解了取值范围后将有利于我们对这些颜色的取值:
黑:

  • H低值为 0,S低值为 0,V低值为 0
  • H高值为 180,S高值为 255,V高值为 46

白:

  • H低值为 0,S低值为 0,V低值为 221
  • H高值为 180,S高值为 30,V高值为 255

灰:

  • H低值为 0,S低值为 0,V低值为 46
  • H高值为 180,S高值为 43,V高值为 220

红:

  • H低值为 156,S低值为 43,V低值为 46
  • H高值为 180,S高值为 255,V高值为 255

橙:

  • H低值为 11,S低值为 43,V低值为 46
  • H高值为 25,S高值为 255,V高值为 255

黄:

  • H低值为 26,S低值为 43,V低值为 46
  • H高值为 34,S高值为 255,V高值为 255

绿:

  • H低值为 35,S低值为 43,V低值为 46
  • H高值为 77,S高值为 255,V高值为 255

青:

  • H低值为 78,S低值为 43,V低值为 46
  • H高值为 99,S高值为 255,V高值为 255

蓝:

  • H低值为 100,S低值为 43,V低值为 46
  • H高值为 124,S高值为 255,V高值为 255

紫:

  • H低值为 125,S低值为 43,V低值为 46
  • H高值为 155,S高值为 255,V高值为 255

我们可以根据以上的值,使用inRange方法对图片的对象进行过滤,或者说跟踪,如果使用以上的颜色取值范围,有个先行条件,需要对图片进行HSV转换。

2.2 使用inRange对图像进行捕获

在python中,使用inRange方法可以对图片进行过滤,从而捕获我们需要捕获的内容。inRange方法需要传入3个参数,第一个是图像;第二个是一个下限,这个下限指你需要捕获的目标颜色的取值低值;第三个是一个上限,指你需要捕获的目标颜色取值上限值。下限与上限都是数组。

现在我们有如下图片:
以上图片共有3中颜色,白色、黑色、绿色。现在我需要捕获黑色,那该如何去做呢?
这时我们通过2.1节中得知,黑色的H、S、V低值分别是0、0、0,高值分别是180、255、46。我们创建两个数值,一个存储低值一个存储高值。代码如下:

min=np.array([0,0,0])
max=np.array([180,255,46])

这时我们先获取图片,并且引入numpy,不然np未引入将会出错:

import cv2
import numpy as npimg = cv2.imread(r'C:\Users\mx\Desktop\test.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("flag",cv2.WINDOW_NORMAL)

以上代码创建的Image窗口用于显示正常的图片,flag窗口显示我们捕获后的目标图片。随后将图片进行HSV转换:

hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

随后将创建的数组,以及将转换后的图片传入inRange方法中:

min=np.array([0,0,0])
max=np.array([180,255,46])
flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)

接着显示以及等待:

cv2.imshow("Image", img)
cv2.imshow("flag", mask)
cv2.waitKey (0)
cv2.destroyAllWindows()

为了方便大家查看,以下贴出了完整代码:

import cv2
import numpy as npimg = cv2.imread(r'C:\Users\mx\Desktop\test.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("flag",cv2.WINDOW_NORMAL)hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
min=np.array([0,0,0])
max=np.array([180,255,46])
flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)cv2.imshow("Image", img)
cv2.imshow("flag", flag)
cv2.waitKey (0)
cv2.destroyAllWindows()

运行结果如下:

我们从运行后的结果中发现,我们需要捕获的黑色,变成了白色显示,其它颜色则变成了黑色。那我们接着将捕获的黑色换成绿色。那么我们更改低值与高值数组,改成绿色的低值为 35、43、46,高值77、 255、 255:

min=np.array([35,43,46])
max=np.array([77,255,255])

运行代码,结果如下:

这个时候绿色捕获成功,其它颜色编程了黑色,或者说都为0。

2.3 使用inRange对视频中目标进行捕获

在前两篇文章中,我们已经了解了如何读取视频设备流,那如何读取视频呢?其实流程是一样的,我们首先创建VideoCapture,并且传入视频路径获取视频对象。

capture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')

随后循环使用read方法读取视频(类似方法不再进行赘述):

while True:r,img=capture.read()if r==False:break

那么接下来就开始等待与显示了。我们每一帧视频都是一张图片,那么只要不断的在一个窗口中显示图片就可以了,添加完显示代码后,完整代码如下:

import cv2
import numpy as npcapture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')while True:r,img=capture.read()if r==False:breakcv2.imshow("hmbb", img)k=cv2.waitKey (40)if k==27:break
cv2.destroyAllWindows()

这个时候运行代码,成功的播放视频:

我在这里使用的是海绵宝宝,我们接下来捕获跟踪视频中的海绵宝宝对象。海绵宝宝是一个类似于黄色的物体,那么我们只需要创建两个数组用于捕捉黄色图像即可,其它代码跟图片捕捉的代码一致,不再赘述,完整代码如下:

import cv2
import numpy as npcapture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')
min=np.array([26,43,46])
max=np.array([34,255,255])
while True:r,img=capture.read()if r==False:breakhsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)cv2.imshow("flag", flag)cv2.imshow("hmbb", img)k=cv2.waitKey (40)if k==27:break
cv2.destroyAllWindows()

运行结果如下:


当我们运行代码后,出现两个窗口,有一个窗口将对视频进行捕获内容,并且很好的捕获到了视频中的海绵宝宝。

该系列文章首发于易百纳。

三、总结

  1. 了解通过图片转换色彩空间HSV,从而对目标颜色从相片中进行捕获
  2. 了解常规颜色的取值范围,并且了解了inRange方法的使用,传入值范围和图片即可对目标颜色物体进行跟踪

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/287571.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【ArcGIS风暴】在ArcGIS中实现将一个圆16等分

本文实现在ArcGIS中画一个圆,然后将其16等分。 步骤一:生成圆(多边形图层) (1)创建一个点图层(图名Center),如果需要精确定位该点,建议通过输入坐标点的方式来创建,这一步比较简单,不再详述; (2)利用Buffer命令创建缓冲区(图名Circle_2km),因为要处理的对象…

[python opencv 计算机视觉零基础到实战] 六、图像运算

一、学习目标 了解opencv中图像运算的方法了解opencv中图像运算的运用 如有错误欢迎指出~ 二、了解OpenCV中图像运算的运用 目录 [python opencv 计算机视觉零基础到实战] 一、opencv的helloworld [【python opencv 计算机视觉零基础到实战】二、 opencv文件格式与摄像头…

【ArcGIS风暴】实验:公路建设成本的计算

实验平台:ArcGIS 9.3实验目的:学习和掌握公路建设成本的计算方法实验要求:熟练掌握如何生成通行成本层、计算成本距离,并学会计算最佳路径,且对成本距离与直线距离进行比较。实验数据:ArcEx7实验步骤:生成通行成本层1.打开Arcmap,加载数据ArcEX7,如图 2.执行spatial …

合并Spark社区代码的正确姿势

原创文章,转载请保留出处 最近刚刚忙完Spark 2.2.0的性能测试及Bug修复,社区又要发布2.1.2了,国庆期间刚好有空,过了一遍2.1.2的相关JIRA,发现有不少重要修复2.2.0也能用上,接下来需要将有用的PR合到我们内…

.NET 中 GC 的模式与风格

垃圾回收(GC)是托管语言必备的技术之一。GC 的性能是影响托管语言性能的关键。我们的 .NET 既能写桌面程序 (WINFROM , WPF) 又能写 web 程序 (ASP.NET CORE),甚至还能写移动端程序。。。不同使用场景的程序对 GC 的风格也有不同的要求&#…

[python opencv 计算机视觉零基础到实战] 七、逻辑运算与应用

一、学习目标 了解opencv中图像的逻辑运算了解opencv中逻辑运算的应用 目录 [python opencv 计算机视觉零基础到实战] 一、opencv的helloworld [【python opencv 计算机视觉零基础到实战】二、 opencv文件格式与摄像头读取] 一、opencv的helloworld [[python opencv 计算机…

【ArcGIS风暴】数字化实验:数据采集与编辑完整操作流程

一.实验平台:ArcGIS 9.3 二.实验目的:对甘肃省的十四个地级市进行图像配准、数据采集。 三.实验要求:掌握地理数据采集方法,图像配准及坐标投影,选择主要的点、线、面进行投影。 四.实验数据:甘肃省统计数据,甘肃省行政区划图。 (一).影像配准 第一步:加载…

loadrunner java 参数化_LoadRunner 参数化详解

LoadRunner,是一种预测系统行为和性能的负载测试工具。通过以模拟上千万用户实施并发负载及实时性能监测的方式来确认和查找问题,LoadRunner能够对整个企业架构进行测试。通过使用 LoadRunner,企业能最大限度地缩短测试时间,优化性…

Android之实现RTL的ViewPager

1 问题 如何实现RTL的ViewPager,就是滑动方向和我们之前滑动的方向相反,比如一般,我们用ViewPager滑动4个图片,依次顺序是 1 2 3 4 ,我们在页面1的时候,我们一般都是习惯向左滑动到2,现在需要实现手指向右滑动到2. 2 解决办法 1)我们可以使用ViewPager2,这个是可以支…

Why Apache Spark is a Crossover Hit for Data Scientists [FWD]

Spark is a compelling multi-purpose platform for use cases that span investigative, as well as operational, analytics. Data science is a broad church. I am a data scientist — or so I’ve been told — but what I do is actually quite different from what oth…

Blazor University (21)使用 RenderFragments 模板化组件 —— 传递占位符

原文链接:https://blazor-university.com/templating-components-with-renderfragements/passing-placeholders-to-renderfragments/将占位符传递给 RenderFragments源代码[1]说明:此页面的灵感来自用户 ℳisterℳagoo 的 Twitter 帖子。首先&#xff0c…

物联网(车联网)平台架构方案

技术支持QQ:787728951、车载终端网关采用mina/nettyspring架构,独立于其他应用,主要负责维护接入终端的tcp链接、上行以及下行消息的解码、编码、流量控制,黑白名单等安全控制,网关同时支持交通部JT/T808-2011、JT/T80…

[python opencv 计算机视觉零基础到实战] 八、ROI泛洪填充

一、学习目标 了解什么是ROI了解floodFill的使用方法 如有错误欢迎指出~ 目录 [python opencv 计算机视觉零基础到实战] 一、opencv的helloworld [【python opencv 计算机视觉零基础到实战】二、 opencv文件格式与摄像头读取] 一、opencv的helloworld [[python opencv 计…

解决冲突

人生不如意之事十之八九,合并分支往往也不是一帆风顺的。 准备新的feature1分支,继续我们的新分支开发: $ git checkout -b feature1 Switched to a new branch feature1修改readme.txt最后一行,改为: Creating a new …

HQL入门学习

2019独角兽企业重金招聘Python工程师标准>>> package myHibernate; /** 测试简单的HQL语句* 2010年4月9日 23:36:54* */ import java.text.ParseException; import java.text.SimpleDateFormat; import java.util.Calendar; import java.util.Date; import java.uti…

Oracle精简客户端配置

2019独角兽企业重金招聘Python工程师标准>>> 由于Oracle client体积很大。而且安装后,基本上就用2个功能:TNS配置服务名和SQL*Plus。下面是一种小巧、快捷的Oracle客户端配置方法: 1.下载Instant Client 下载地址: htt…

WinUI迁移到.NET MAUI个人体验

迁移的初衷本人平时是做.net相关的工作,对于.net技术栈也有一些了解,自从新的.net能够跨平台之后,之前也有跨平台的ui框架Xamarin,现在微软推出了.NET MAUI这个说是 统一了开发体验,而且都RC版本了,所以本人…

祝CSDN2021牛气冲天祝我也拨云散雾

前言 2020年4月,我写了一篇用turtle绘制《小清新风格的树》,反响挺好。现在打算使用turtle修改一下绘制方式,因为线条的绘制太过考虑因素过多,如果使用方块进行堆叠,绘制出来的形状可以如马赛克一样,既符合…

FPGA图案--数字表示(代码+波形)

在数字逻辑系统,仅仅存在高低。所以用它只代表一个整数数字。并且有3代表性的种类。这是:原码表示(符号加绝对值值)、反码表示(加-minus标志)而补码(符号加补)。这三个在FPGA中都有着广泛的应用。以下分别讨论。1、原码表示法 原码表示法是机器数的一种简…

WPF效果第一百八十四篇之网页视频保存

一年一度的小学入学采集开始了;我一朋友很是头大,他说头都大了好几圈了;既要准备各种入学材料又要听线上专人视频直播讲解;然而在直播结束后,他发现自己仍是一脸疑惑;虽说直播有回访吧,但是他那蜗牛网速简直了;这时他场外找我,让我看能不能给他自己下载一份;1、毕竟第一次,直接…