python利用opencv简单识别红绿灯

装包，创环境

import cv2 #包
import numpy as np #包
import time #包

插入视频，定义变量

cor_x, cor_y = -1, -1  # 定义变量名称
# fourcc = cv2.VideoWriter_fourcc(*'XVID')  # 使用XVID编码器
camera = cv2.VideoCapture('video.mp4')  # 从文件读取视频,只需要修改成自己的视频路径即可进行测试
# camera = cv2.resize(camera, (1280, 720))
fps = camera.get(cv2.CAP_PROP_FPS)  # 获取视频帧率
print('视频帧率：%d fps' % fps)
cor = np.array([[1, 1]])  # 初始值并无意义，只是为了能够使用np.row_stack函数
cor_x, cor_y = -1, -1
camera = cv2.VideoCapture('红绿灯.mp4')  # 从文件读取视频,只需要修改成自己的视频路径即可进行测试
cor = np.array([[1, 1]])  # 初始值并无意义，只是为了能够使用np.row_stack函数

创坐标函数，赋予变量

def OnMouseAction(event, x, y, flags, param):# 创建回调函数 (event：指触发的阶跃信号，比如鼠标左键按下, x, y：指鼠标的实时坐标, flags:鼠标的保持信号，如鼠标保持按下# param自己需要使用的参数状态global cor_x, cor_y, cor  # 将变量变为全局变量，使之在函数外也能用if event == cv2.EVENT_LBUTTONDOWN:print("左键点击")print("%s" % x, y)cor_x, cor_y = x, y  # 将鼠标点击的x，y坐标赋予全局变量cor_x, cor_ycor_m = [cor_x, cor_y]cor = np.row_stack((cor, cor_m))  # 将鼠标点击的x，y坐标进行矩阵合并，并赋予全局变量elif event == cv2.EVENT_LBUTTONUP:cv2.line(img, (cor_x, cor_y), (cor_x, cor_y), (255, 255, 0), 7)# 当鼠标左键由按下变松开时在原地划线 从左到右分别是 (读入的图片, 开始坐标, 结束坐标, 颜色（b, g, r）, 线条粗细)

逐帧分析视频，选出目标区域，分割图片

grabbed, img = camera.read()  # 逐帧采集视频流
img = cv2.resize(img, (1280, 720))
# grabbed = cv2.resize(img, (1280, 720))
cv2.namedWindow("红绿灯")
cv2.setMouseCallback("红绿灯", OnMouseAction)  # 将回调函数与opencv绑定while True:cv2.imshow("红绿灯", img)k = cv2.waitKey(1) & 0xFFif k == ord(' '):  # 空格退出操作break
cv2.destroyAllWindows()  # 关闭页面while True:grabbed, frame = camera.read()  # 逐帧采集视频流if not grabbed:breakframe = cv2.resize(frame, (1280, 720))frame_data = np.array(frame)  # 每一帧循环存入数组box_data = frame_data[cor[1, 1]:cor[2, 1], cor[1, 0]:cor[2, 0]]  # 取矩形目标区域yellow_box = frame_data[cor[3, 1]:cor[4, 1], cor[3, 0]:cor[4, 0]]yellow_max = np.max(yellow_box)b, g, r = cv2.split(box_data)  # 将截取的区域分割为b，g，r单通道颜色图片max_r = np.max(r)max_g = np.max(g)

筛选颜色的像素点，以此来区分红黄绿

 if yellow_max >= 245:  # 判断黄灯区域中发光值最大的像素点是不是大于245choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 255, 255), 2)cv2.putText(frame, "yellow", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 255), 2)  # 显示yellow文本信息elif max_g >= 245:choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 255, 0), 2)cv2.putText(frame, "green", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 255, 0), 2)  # 显示green文本信息elif max_r >= 245:choose_box = cv2.rectangle(frame, tuple(cor[1, :]), tuple(cor[2, :]), (0, 0, 255), 2)cv2.putText(frame, "red", (cor[1, 0], cor[1, 1]), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2)  # 显示red文本信息# time.sleep(0.141)cv2.imshow('lwpCVWindow', frame)  # 显示采集到的视频流key = cv2.waitKey(1) & 0xFFif key == ord('q'):break
camera.release()
cv2.destroyAllWindows()

终结：

我也不会，看看就好，别来沾边

python利用opencv简单识别红绿灯相关推荐

python利用opencv进识别行红绿灯
目录一.使用步骤 1.引入库 2.读入数据 3.获取帧率 4.创建函数将鼠标在图片中点击的坐标储存 5.逐帧采集视频并显示一帧图片来选择roi区域 6.最后逐帧采集视频并且放入循环一帧一帧的判断感兴 ...
AI 质检学习报告——实践篇——第三步：python利用OpenCV打开摄像头截图后实现图片识字
AI 质检学习报告--实践篇--第一步:python利用OpenCV打开摄像头并截图 AI 质检学习报告--实践篇--第二步:实现图片识字前边两篇实践已经分别实现了利用OpenCV打开摄像头并截图和 ...
python利用opencv进行相机标定获取参数，并根据畸变参数修正图像附有全部代码（流畅无痛版）
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码一.前言今天的低价单孔摄像机(照相机)会给图像带来很多畸变.畸变主要有两种:径向畸变和切想畸变.如下图所示,用 ...
AI 质检学习报告——实践篇——第一步：python利用OpenCV打开摄像头并截图
写在前边想要做一个AI质检的项目,一点一点来,首先:python利用OpenCV打开摄像头并拍照. 效果设摄像头像素不咋地,实际的产品肯定不会是这个像素,必须安排一个专业的. 实现代码 impor ...
Python 利用百度文字识别 API 识别并提取图片中文字
Python 利用百度文字识别 API 识别并提取图片中文字利用百度 AI 开发平台的 OCR 文字识别 API 识别并提取图片中的文字.首先需注册获取 API 调用的 ID 和 key,步骤如下: ...
Python 利用百度文字识别验证码、文字、图片并提取图片中文字或数字
Python 利用百度文字识别验证码.文字.图片并提取图片中文字或数字 Python 利用百度文字识别验证码.文字.图片并提取图片中文字或数字以下是代码实现, Python 利用百度文字识别验证码. ...
python中利用opencv简单做图片比对
python环境中,利用opencv对二值单通道图片进行比对下面代码中利用了两种比对的方法,一对图片矩阵(m x m)求解特征值,通过比较特征值是否在一定的范围内,判断图片是否相同.二对图片矩阵 ...
Python+Tensorflow+Opencv人脸识别（任意数量人脸)
Python+Tensorflow+Opencv的人脸识别简单的人脸识别准备工作开始--先获取必要的人脸图像训练--分类吧识别大脸简单的人脸识别一直想做机器学习的东东,最近由于工作的调整 ...
python利用opencv去除图片logo_python 基于opencv去除图片阴影
一.前言如果你自己打印过东西,应该有过这种经历.如果用自己拍的图片,在手机上看感觉还是清晰可见,但是一打印出来就是漆黑一片.比如下面这两张图片: 因为左边的图片有大片阴影,所以打印出来的图片不堪入目 ...

python利用opencv简单识别红绿灯

装包，创环境

插入视频，定义变量

创坐标函数，赋予变量

逐帧分析视频，选出目标区域，分割图片

筛选颜色的像素点，以此来区分红黄绿

终结：

python利用opencv简单识别红绿灯相关推荐

最新文章

热门文章