目录
流程
一、采用轮廓的方式检测橘子位置
(一)滚动条获取阈值
(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
二、获取橘子检测框的质心
三、将质心送入卡尔曼滤波器,获取下一次的质心位置
四、绘图质心中心的圆圈,让效果直观显示出来
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 cv2import numpy as npdef nothing(x): passcv2.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 cv2import numpy as npclass 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_bboxcx = 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 cv2from orange_detector import OrangeDetectorfrom kalmanfilter import KalmanFiltercap = 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