目录
（二）获取到图像中的包围橘子对应的白色图形的最小矩形框的信息
流程
step1:获取橘子的检测框
step2:求取橘子的质心
step3:将质心送入卡尔曼滤波器，获取到预测的下一次橘子的质心位置
一、采用轮廓的方式检测橘子位置
步骤：
- 采用OpenCV滚动条来确定阈值
- 设置高低阈值，利用inRange函数，将图像转为二值图，为方便之后的轮廓提取
- 使用findContours函数，提取二值图中所有的轮廓，并采用cv2.RETR_TREE，建立轮廓等级树
- 等级树初始是升序，我们要获取最大的那个轮廓，那么就进行sort降序排序
- 最后，第一个轮廓的最小外边框的参数就可以用boundingRect获取到了
（一）滚动条获取阈值
视频中截图的一张带有橘子的图
代码
-
import cv2
-
import numpy
as np
-
-
def
nothing(
x):
-
pass
-
-
cv2.namedWindow(
'image')
-
cv2.createTrackbar(
'a',
'image',
0,
255,nothing)
-
cv2.createTrackbar(
'b',
'image',
0,
255,nothing)
-
cv2.createTrackbar(
'c',
'image',
0,
255,nothing)
-
cv2.createTrackbar(
'd',
'image',
0,
255,nothing)
-
cv2.createTrackbar(
'e',
'image',
0,
255,nothing)
-
cv2.createTrackbar(
'f',
'image',
0,
255,nothing)
-
-
frame = cv2.imread(
'orange.jpg')
-
frame = cv2.resize(frame,(
700,
400))
-
-
while
True:
-
a = cv2.getTrackbarPos(
'a',
'image')
-
b = cv2.getTrackbarPos(
'b',
'image')
-
c = cv2.getTrackbarPos(
'c',
'image')
-
d = cv2.getTrackbarPos(
'd',
'image')
-
e = cv2.getTrackbarPos(
'e',
'image')
-
f = cv2.getTrackbarPos(
'f',
'image')
-
hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
-
low_orange = np.array([a, b, c])
-
high_orange = np.array([d, e, f])
-
mask = cv2.inRange(hsv_img, low_orange, high_orange)
-
cv2.imshow(
'image',mask)
-
k = cv2.waitKey(
1)&
0xff
-
if k==
27:
-
break
-
（二）获取到图像中的包围橘子对应的白色图形的最小矩形框的信息
检测橘子轮廓最小外边框代码
-
import cv2
-
import numpy
as np
-
-
class
OrangeDetector:
-
def
__init__(
self):
-
self.low_orange = np.array([
10,
152,
89])
-
self.high_orange = np.array([
180,
255,
255])
-
-
def
detect(
self, frame):
-
hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
-
mask = cv2.inRange(hsv_img, self.low_orange, self.high_orange)
-
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
-
contours =
sorted(contours, key=
lambda x: cv2.contourArea(x), reverse=
True)
-
box = (
0,
0,
0,
0)
-
for cnt
in contours:
-
(x, y, w, h) = cv2.boundingRect(cnt)
-
box = (x, y, x + w, y + h)
-
break
-
return box
二、获取橘子检测框的质心
-
od = OrangeDetector()
-
orange_bbox = od.detect(frame)
-
x, y, x2, y2 = orange_bbox
-
cx =
int((x + x2) /
2)
-
cy =
int((y + y2) /
2)
三、将质心送入卡尔曼滤波器，获取下一次的质心位置
predicted = kf.predict(cx, cy)四、绘图质心中心的圆圈，让效果直观显示出来
卡尔曼滤波预测代码
-
import cv2
-
from orange_detector
import OrangeDetector
-
from kalmanfilter
import KalmanFilter
-
-
cap = cv2.VideoCapture(
"orange.mp4")
-
od = OrangeDetector()
-
kf = KalmanFilter()
-
-
while
True:
-
ret, frame = cap.read()
-
if ret
is
False:
-
break
-
-
orange_bbox = od.detect(frame)
-
x, y, x2, y2 = orange_bbox
-
cx =
int((x + x2) /
2)
-
cy =
int((y + y2) /
2)
-
-
predicted = kf.predict(cx, cy)
-
cv2.circle(frame, (cx, cy),
20, (
0,
0,
255),
4)
-
cv2.circle(frame, (predicted[
0], predicted[
1]),
20, (
255,
0,
0),
4)
-
-
cv2.imshow(
"Frame", frame)
-
key = cv2.waitKey(
10)
-
if key ==
27:
-
break
转载：https://blog.csdn.net/weixin_54627824/article/details/127472819
查看评论