python-Opencv学习

  • 准备工作
  • 读取图像和视频
  • 基础功能
  • 裁剪图像
  • 绘制图形和文本
  • 视角转换
  • 图像拼接
  • 颜色检测
  • 轮廓检测
  • 颜色追踪

准备工作

python配置numpy和openCv库

读取图像和视频

  • 图像
  1. cv2.imread(路径)
  2. cv2.imshow(窗口名称，输出对象）
  3. cv2.waitkey(等待时间)
import cv2
img = cv2.imread("./Resources/3-1P316104441.jpg")//当前项目目录下
cv2.imshow("output", img)
cv2.waitKey(0)
  • 视频
  1. cv2.VideoCapture(路径或数字)
  2. set()
    （1） set(3,数字）设置显示区域宽
    （2） set(4,数字）设置显示区域高
    （3） set(10,数字)设置亮度
  3. read()
  4. cv2.imshow
import cv2
cap = cv2.VideoCapture("./Resources/Ninja Track.mp4")
while True:#success是bool值，用于判断是否读取成功success, img = cap.read()cv2.imshow("video", img)if cv2.waitKey(1) & 0xFF == ord('q'):break

基础功能

  • 图像
  1. cv2.cvtColor(对象,cv2.COLOR_BGR2GRAY) 转换为灰度图像
  2. cv2.GaussianBlur(对象,(奇数，奇数），0）设置模糊，值越大，模糊程度越大
  3. cv2.Canny(对象，数字，数字）设置Canny边缘检测器，数字越大，显示的越少
  4. cv2.dilate(边缘对象，矩阵，iteration=数字) 图像膨胀，即：增加图像边缘厚度
  5. cv2.erode(对象，矩阵而过，iteration=数字）图像腐蚀，即：减少图像边缘厚度

裁剪图像

  • 改变图像大小
  1. 对象.shape用于显示图片大小
print(img.shape)#先显示高度，再显示宽度
  1. cv2.resize(对象，(宽度，高度））改变图片大小
imgResize = cv2.resize(img, (200,300))#先定义宽度，在定义高度
  • 裁剪图像
    对象[数字：数字，数字：数字]先高度后宽度
imgCropped = img[0:100,200:300]#先高度后宽度

绘制图形和文本

  • 创建简单图像
numpy.zeros((512,512)) 建立矩阵，0表示黑色
  • 为图像添加颜色通道
numpy.zeros((数字，数字，3),numpy.unint8)添加颜色三个颜色通道，颜色值为0~255
  • 为图像上色
    对象[数字：数字，数字：数字]=rgb值
img[200:300,:]=255,0,0
  • 绘制线条
    cv2.line(对象，(起点坐标），（终点坐标），（rgb颜色值），厚度）
cv2.line(img,(0,0),(300,300),(0,255,0),3)
  • 绘制矩形
    cv2.rectangle(对象，（起点坐标），（终点坐标），（rgb颜色值），厚度）
cv2.rectangle(img,(0,0),(100,100),(0,0,255),3)
cv2.rectangle(img,(0,0),(100,100),(0,0,255),cv2.FILLED)填充图形
  • 绘制圆
    cv2.circle(对象，（圆心坐标），半径，（rgb颜色值），厚度）
cv2.circle(img,(100,100),30,(255,255,0),2)
  • 显示文字
    cv2.putText(对象，“文本内容"，（起始坐标），字体样式，缩放比例，（rgb颜色值），厚度）
cv2.putText(img,"good",(200,200),cv2.FONT_HERSHEY_COMPLEX,1,(0,150,0),1)

视角转换

  • 设置待转换坐标
    numpy.float32([[坐标1],[坐标2],[坐标3],[坐标4]])
pts1 = np.float32([[111,219],[287,188],[154,482],[352,440]])
  • 设置转换后坐标
numpy,float32([[0,0],[width,0],[0,height],[width,height]])
  • 透视图转换
cv2.getPrespectiveTransform(待转换坐标，转换后坐标）
  • 转换后图像
cv2.warpPerspective(对象，透视图转换，（width,height))

img = cv2.imread("Resources/puke_zhipai-003.jpg")
width,height=250,250
pts1 = np.float32([[111,219],[287,188],[154,482],[352,440]])
pts2 = np.float32([[0,0],[width,0],[0,height],[width,height]])
matrix = cv2.getPerspectiveTransform(pts1,pts2)#透视图转换，将世界坐标系变为屏幕坐标系
imgoutput = cv2.warpPerspective(img,matrix,(width,height))
cv2.imshow("card",imgoutput)cv2.waitKey(0)

图像拼接

  • 无法调整图像大小
  1. 水平拼接
    numpy.hstack((对象，对象))
hor = np.hstack((img, img))
  1. 垂直拼接
    numpy.vstack((img,img))
ver = np.vstack((img,img))
  • 能够调整图像大小
  1. 编写stackImages函数
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]*rowshor_con = [imageBlank]*rowsfor 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 = horreturn ver
  1. stackImages(缩放比例，水平拼接，垂直拼接）
stackImages(0.5,([img,img,img]))
stackImages(0.5,([img,img,img],[img,img,img]))

颜色检测

  • 转换为HSV空间
cv2.cvtColor(对象，cv2.COLOR_BGR2HSV)
  • 设置颜色调节器
  1. 定义一个窗口
cv2.namedWindow("窗口名")
  1. 设置窗口大小
cv2.resizeWindow("对应窗口名",宽度，高度)
  1. 创建滑动控制器
def empty():pass
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars", 640, 240)
cv2.createTrackbar("Hue Min", "TrackBars", 0, 179, empty)
cv2.createTrackbar("Hue Max", "TrackBars", 179, 179, empty)
cv2.createTrackbar("Sat Min", "TrackBars", 0, 255, empty)
cv2.createTrackbar("Sat Max", "TrackBars", 255, 255, empty)
cv2.createTrackbar("Val Min", "TrackBars", 0, 255, empty)
cv2.createTrackbar("Val Max", "TrackBars", 255, 255, empty)
  • 将颜色调节器和HSV图像进行关联
  1. 获取控制器值
cv2.getTrackbarPos("控制器名","相应窗口名")

    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")
  1. 设置过滤图像
    （1）最低阀值
numpy.array([h_min, s_min, v_min])

lower = np.array([h_min, s_min, v_min])

（2）最高阀值

numpy.array([h_max, s_max, v_max])

upper = np.array([h_max, s_max, v_max])

（3）阀值限制图像

cv2.inRange(HSV图像对象，最低阀值，最高阀值)

mask = cv2.inRange(imgHSV, lower, upper)
  • 获取检测颜色范围
  • 将所有颜色调节器的最低值设置好
  • 进行按位操作合成新图像
cv2.bitwise_and(原图像对象，原图像对象，mask=阀值限制图像）

imgResult = cv2.bitwise_and(img, img, mask=mask)
  • 图像拼接显示
import cv2
import numpy as npimg = cv2.imread("Resources/3.png")#图像拼接函数
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]*rowshor_con = [imageBlank]*rowsfor 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 = horreturn ver#定义检测颜色的范围
#设置颜色调节器
def empty():pass
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)#关联颜色调节器和HSV图片
while True:#转换为HSV空间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)# cv2.imshow("windows", img)# cv2.imshow("imgHSV", imgHSV)# cv2.imshow("imgMask", mask)# cv2.imshow("imgResult", imgResult)imgStack = stackImages(0.6, ([img, imgHSV], [mask, imgResult]))cv2.imshow("Stacked", imgStack)cv2.waitKey(1)

轮廓检测

  • 转为灰度图像
cv2.cvtColor(对象，cv2.COLOR_BGR2GRAY)
  • 对灰度图像进行模糊处理
cv2.GaussianBlur(灰度图像对象,(7,7),1)
  • 边缘检测
cv2.Canny(模糊图像对象，50,50)
  • 定义空白图像
numpy.zeros_link(对象）
  • 定义轮廓处理函数
  1. 检索轮廓
cv2.findContours(对象，cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
  1. 遍历轮廓
for cnt in contours
  1. 定位区域
cv2.contourArea(cnt)
  1. 检索最小区域
if area > 500
  1. 绘制轮廓区域
　cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)
  1. 计算曲线长度
cv2.arcLength(cnt, True)
  1. 计算拐角点
cv2.approxPolyDP(cnt,0.02*peri,True)
  1. 创建对象点
objCor=len(approx)
  1. 获取边界框边界
cv2.boundingRect(approx)
  1. 将对象进行分类
if objCor == 3 : objectType = "Tri"else: objectType="None"
  1. 绘制矩形边界框
cv2.rectangle(imgContour, (x, y), (x+w, y+h), (0, 255, 0), 3)
  1. 贴上分类标签
cv2.putText(imgContour, objectType, (x+(w//2)-10, y+(h//2)-10), cv2.FONT_HERSHEY_COMPLEX, 0.7, (0, 0, 0), 2)

#轮廓处理函数
def getContours(img):#检索轮廓contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)for cnt in contours:#定位区域area = cv2.contourArea(cnt)print(area)#检索最小区域if area > 500:# 绘制轮廓区域cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)#计算曲线长度peri = cv2.arcLength(cnt, True)#print(peri)#计算拐角点approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)print(len(approx))#创建对象角objCor = len(approx)#获取边界框边界x, y, w, h = cv2.boundingRect(approx)# 将对象进行分类if objCor == 3 : objectType = "Tri"elif objCor == 4:aspRatio = w/float(h)if aspRatio > 0.95 and aspRatio< 1.05: objectType = "Square"else: objectType = "Rectangle"elif objCor > 4: objectType = "Circles"else: objectType="None"#绘制矩形边界框cv2.rectangle(imgContour, (x, y), (x+w, y+h), (0, 255, 0), 3)cv2.putText(imgContour, objectType, (x+(w//2)-10, y+(h//2)-10), cv2.FONT_HERSHEY_COMPLEX, 0.7, (0, 0, 0), 2)

import cv2
import numpy as np#图像拼接函数
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]*rowshor_con = [imageBlank]*rowsfor 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 = horreturn ver#轮廓处理函数
def getContours(img):#检索轮廓contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)for cnt in contours:#定位区域area = cv2.contourArea(cnt)print(area)#检索最小区域if area > 500:# 绘制轮廓区域cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)#计算曲线长度peri = cv2.arcLength(cnt, True)#print(peri)#计算拐角点approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)print(len(approx))#创建对象角objCor = len(approx)#获取边界框边界x, y, w, h = cv2.boundingRect(approx)# 将对象进行分类if objCor == 3 : objectType = "Tri"elif objCor == 4:aspRatio = w/float(h)if aspRatio > 0.95 and aspRatio< 1.05: objectType = "Square"else: objectType = "Rectangle"elif objCor > 4: objectType = "Circles"else: objectType="None"#绘制矩形边界框cv2.rectangle(imgContour, (x, y), (x+w, y+h), (0, 255, 0), 3)cv2.putText(imgContour, objectType, (x+(w//2)-10, y+(h//2)-10), cv2.FONT_HERSHEY_COMPLEX, 0.7, (0, 0, 0), 2)img = cv2.imread("Resources/3s.png")
imgContour = img.copy()
#转换为灰度图像
imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#模糊图像
imgBlur = cv2.GaussianBlur(imgGray, (7, 7), 1)
#边缘检测
imgCanny = cv2.Canny(imgBlur, 50, 50)getContours(imgCanny)
#定义空白图像
imgBlank = np.zeros_like(img)
imgStack = stackImages(0.6, ([img, imgGray, imgBlur], [imgCanny, imgContour, imgBlank]))cv2.imshow("imgStack", imgStack)cv2.waitKey(0)

颜色追踪

  • 引入摄像头监控
import cv2
frameWidth = 640
frameHeight = 480
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth)
cap.set(4, frameHeight)
cap.set(10, 150)
while True:success, img = cap.read()cv2.imshow("Result", img)if cv2.waitKey(1) & 0xFF == ord('q'):break
  • 获取检测颜色值
import cv2
import numpy as npframeWidth = 640
frameHeight = 480
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth)
cap.set(4, frameHeight)
cap.set(10,150)def empty(a):passcv2.namedWindow("HSV")
cv2.resizeWindow("HSV",640,240)
cv2.createTrackbar("HUE Min","HSV",0,179,empty)
cv2.createTrackbar("SAT Min","HSV",0,255,empty)
cv2.createTrackbar("VALUE Min","HSV",0,255,empty)
cv2.createTrackbar("HUE Max","HSV",179,179,empty)
cv2.createTrackbar("SAT Max","HSV",255,255,empty)
cv2.createTrackbar("VALUE Max","HSV",255,255,empty)while True:_, img = cap.read()imgHsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)h_min = cv2.getTrackbarPos("HUE Min","HSV")h_max = cv2.getTrackbarPos("HUE Max", "HSV")s_min = cv2.getTrackbarPos("SAT Min", "HSV")s_max = cv2.getTrackbarPos("SAT Max", "HSV")v_min = cv2.getTrackbarPos("VALUE Min", "HSV")v_max = cv2.getTrackbarPos("VALUE Max", "HSV")print(h_min)lower = np.array([h_min,s_min,v_min])upper = np.array([h_max,s_max,v_max])mask = cv2.inRange(imgHsv,lower,upper)result = cv2.bitwise_and(img,img, mask = mask)mask = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)hStack = np.hstack([img,mask,result])cv2.imshow('Horizontal Stacking', hStack)if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.release()
cv2.destroyAllWindows()
  • 颜色检测函数
myColors = [[0, 118, 140, 179, 188, 255],[133, 56, 0, 159, 156, 255],[57, 56, 0, 100, 255, 255]]def findColor(img, myColors):imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)for color in myColors:lower = np.array(color[0:3])upper = np.array(color[3:6])mask = cv2.inRange(imgHSV, lower, upper)cv2.imshow("img", mask)
  • 将颜色检测和摄像头监控结合
success, img = cap.read()
findColor(img, myColors)
  • 获取检测对象轮廓
def getContours(img):contours,hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)x, y, w, h = 0, 0, 0, 0for cnt in contours:area = cv2.contourArea(cnt)if area>500:cv2.drawContours(imgResult, cnt, -1, (255, 0, 0), 3)peri = cv2.arcLength(cnt,True)approx = cv2.approxPolyDP(cnt,0.02*peri,True)x, y, w, h = cv2.boundingRect(approx)return x+w//2, y
  • 绘制物体运动轨迹
def drawOnCanvas(myPoints, myColorValues):for point in myPoints:cv2.circle(imgResult, (point[0], point[1]), 10, myColorValues[point[2]], cv2.FILLED)

import cv2
import numpy as np
frameWidth = 640
frameHeight = 480
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth)
cap.set(4, frameHeight)
cap.set(10, 150)myColors = [[0, 118, 140, 179, 188, 255],[133, 56, 0, 159, 156, 255],[57, 56, 0, 100, 255, 255]]myColorValues = [[51, 51, 255],     ##BGR[255, 0, 255],[0, 255, 0]]myPoints = []  ##[x, y, colorId]
def findColor(img, myColors, myColorValues):imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)count = 0newPoints = []for color in myColors:lower = np.array(color[0:3])upper = np.array(color[3:6])mask = cv2.inRange(imgHSV, lower, upper)x, y = getContours(mask)cv2.circle(imgResult, (x, y), 10, myColorValues[count], cv2.FILLED)if x!= 0 and y!= 0:newPoints.append([x, y, count])count += 1# cv2.imshow(str(color[0]), mask)return newPointsdef drawOnCanvas(myPoints, myColorValues):for point in myPoints:cv2.circle(imgResult, (point[0], point[1]), 10, myColorValues[point[2]], cv2.FILLED)def getContours(img):contours,hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)x, y, w, h = 0, 0, 0, 0for cnt in contours:area = cv2.contourArea(cnt)if area>500:cv2.drawContours(imgResult, cnt, -1, (255, 0, 0), 3)peri = cv2.arcLength(cnt,True)approx = cv2.approxPolyDP(cnt,0.02*peri,True)x, y, w, h = cv2.boundingRect(approx)return x+w//2, ywhile True:success, img = cap.read()imgResult = img.copy()newPoints = findColor(img, myColors, myColorValues)if len(newPoints) != 0:for newP in newPoints:myPoints.append(newP)for i in myPoints:print("myPoints"+str(i))if len(myPoints) !=0:drawOnCanvas(myPoints, myColorValues)cv2.imshow("Result", imgResult)if cv2.waitKey(1) & 0xFF == ord('q'):break

python实现颜色检测、轮廓检测、颜色追踪相关推荐

  1. 《opencv》边缘检测、轮廓检测、图像分割

    边缘edge检测.轮廓contours检测.图像分割(背景提取)这三个概念在我看来有些不好理解,因为边缘检测感觉就是检测轮廓的边缘啊,检测出来边缘不就检测出来轮廓了么.另外图像分割是前景与背景之间的分 ...

  2. OpenCV-Python教程（9）（10）（11）： 使用霍夫变换检测直线 直方图均衡化 轮廓检测

    OpenCV-Python教程(9.使用霍夫变换检测直线) 相比C++而言,Python适合做原型.本系列的文章介绍如何在Python中用OpenCV图形库,以及与C++调用相应OpenCV函数的不同 ...

  3. python颜色识别原理_python+opencv实现颜色检测、轮廓检测、颜色追踪

    准备工作 python配置numpy和openCv库 读取图像和视频图像cv2.imread(路径) cv2.imshow(窗口名称,输出对象) cv2.waitkey(等待时间)import cv2 ...

  4. Python+Opencv颜色和形状检测

    目录 一.场景需求解读 二.算法原理简介 三.算法实现步骤 四.算法代码实现 五.算法效果展示与分析 参考资料 注意事项 一.场景需求解读   现实场景中,我们有时需要自动的检测出图片中目标的颜色和其 ...

  5. python颜色形状识别_Python学习（10）Python+Opencv颜色和形状检测

    目录 一.场景需求解读 现实场景中,我们有时需要自动的检测出图片中目标的颜色和其对应的形状,然后根据这些信息快速的找到我们需要的目标,这在真实场景中具有广泛的应用.下图展示了一张实例,我们需要知道图片 ...

  6. Python+Opencv根据颜色进行目标检测

    目录 一.什么是颜色目标检测? 二.如何实现基于颜色的目标检测? 三.算法代码实现 四.算法运行流程 五.效果展示与分析 六.思维扩展 参考资料 注意事项 一.什么是颜色目标检测?   所谓的颜色目标 ...

  7. python opencv根据颜色进行目标检测

      颜色目标检测就是根据物体的颜色快速进行目标定位.使用cv2.inRange函数设定合适的阈值,即可以选出合适的目标.   建立项目colordetect.py,代码如下: #! /usr/bin/ ...

  8. Python，OpenCV轮廓属性、轮廓检测及绘制

    Python,OpenCV轮廓属性.轮廓检测及绘制 1. 效果图 2. 源码 2.1 轮廓属性 2.2 轮廓特征 参考 这篇博客将介绍OpenCV中的轮廓,轮廓的特征及属性(质心,面积,轮廓,近似轮廓 ...

  9. 基于物体颜色的目标检测与跟踪

    目录 一.项目内容 二.项目分析 三.主要使用模块 四.选用HSV颜色空间 五.代码实现与分析 1. 颜色选择器: 2. 实现检测并跟踪绘制移动轨迹: 六.测试结果 一.项目内容 (1)利用摄像头,根 ...

最新文章

  1. python七大神级插件_IntelliJ IDEA 15款超级牛逼插件推荐（自用，超级牛逼）
  2. AVGCN：利用人类注意力引导的图卷积网络进行轨迹预测
  3. 6/5 补瓷砖，购浴缸
  4. 通过 Object.prototype.toString.call() 进行类型判断
  5. RHEL5.4配置apxs扩展工具
  6. html json解析插件,jQuery插件jsonview展示json数据
  7. MapReduce作业提交到YARN上运行的步骤
  8. Java虚拟机-垃圾回收器
  9. Spring Boot学习笔记（二）——HelloWorld实现
  10. eclipse项目如何变成web项目_Eclipse中将Java项目转换成Web项目的方法
  11. VALSE学习（四）：注意力机制-Attention Network
  12. Ubuntu 10.04编译安装insigh-6.8-1
  13. Applese 涂颜色（python解法）
  14. 百度付费会员下载真是神速，每秒百兆
  15. 高等代数--线性方程组
  16. Android ImageView视图的七种图片缩放类型
  17. php实例精通txt下载,PHP实例精通（1碟）
  18. proto—go语言生成代码参考（Generated-code reference中文翻译）
  19. 微信小程序获取今日天气预报api 免费接口
  20. win7 找不到 本地用户和组

热门文章

  1. SQL基础知识 思维导图
  2. java httpClient上传图片
  3. 使用IDEA创建Java项目
  4. 配置PSP开发环境的准备工作
  5. 浅谈视频号对企业运营的作用
  6. 道听途说Struts2之3:Action
  7. 关于接收机的各个接口
  8. 知名在线音乐网站音悦Tai疑似倒闭
  9. 自定义 Lint 规则简介
  10. Java深入学习并发原理总结