Python:OpenCV4识别一个蓝色的圆并估算到相机的距离

参考：用 Python 和 OpenCV 来测量相机到目标的距离
这位博主对实现过程以及思路解释的很清楚，这里记录下自己的实现过程以及自己的一些理解

注：这个方法有些缺陷，需要参照物体，提前求出一些参数。

识别一个蓝色的圆

直接用画图做了个圆，因为这样情况比较理想，不用反复调参数

import cv2
import numpy as np
import math# 图片路径
img_path = './buleball.jpg'
# 读取图片
img = cv2.imread(img_path)
# 原图
cv2.imshow('org_img', img)# 得到蓝色的HSV指标
blue_lower = np.array([100, 43, 46])
blue_upper = np.array([124, 255, 255])img_HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(img_HSV, lowerb= blue_lower, upperb= blue_upper)
img_ball = cv2.bitwise_and(img, img, mask= mask)
cv2.imshow('img_ball', img_ball)# 转换为二值图
img_ball = cv2.cvtColor(img_ball, cv2.COLOR_BGR2GRAY)
__, img_bin = cv2.threshold(img_ball, 10, 255, cv2.THRESH_BINARY)
cv2.imshow('img_bin', img_bin)# 轮廓检测
contours, __ = cv2.findContours(img_bin,  cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 寻找面积最大的轮廓，并获取最小外接矩形
area = []
for i in range(len(contours)):mianji = cv2.contourArea(contours[i])area.append(mianji)
max_area_num = np.argmax(area)
cnt = contours[max_area_num]
print(cnt)
x, y, w, h = cv2.boundingRect(cnt)# 画出最小外接矩形
img_juxing = cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0),2)
cv2.imshow('img_juxing', img_juxing)# 绘制图像中心点到球中心的的连线
x1 = int(x+w/2)
y1 = int(y+h/2)
Center_point_x = int(img.shape[0]/2)
Center_point_y = int(img.shape[1]/2)
img_juxing = cv2.line(img_juxing, (x1,y1), (Center_point_x,Center_point_y),(0,0,255),2)
cv2.imshow('img_zhixian', img_juxing)# 算出连线的长度，即两中心点的距离
s_l = math.pow(abs(Center_point_x - x1), 2)
s_w = math.pow(abs(Center_point_y - y1), 2)
s = int(math.sqrt(s_l + s_w))
print(s)# 打印上距离(单位：像素)
img_juxing = cv2.putText(img, str(s), (x,y), cv2.FONT_HERSHEY_COMPLEX, 1,(255,0,0), 2)
cv2.imshow('img_wenben', img_juxing)
cv2.waitKey(0)

实现效果以及处理过程中的中间图：

下一步：摄像头识别出蓝色的圆并估算距离

识别蓝色的圆以及做到了，接下来就是估算距离
估算距离的方法很简单，借助相似三角形的原理

（图片来自百度）

W:物体的宽度
P:物体的像素宽度
D:已知相机到物体的距离
F:相机焦距

F = (D x P) / W

如图红色的两个三角形是一对近似三角形
焦距F就是通过这对三角形求出的
F不会改变

D’:实际物体到相机的距离

D’= (W x F) / P
再做一个三角形

焦距三角形与待测距离形成的三角形形成一对近似三角形
以此求出D’

注：精度请忽略，已知的三个量为估算出来的

import cv2
import numpy as np
import math# 得到蓝色的HSV指标
blue_lower = np.array([100, 43, 46])
blue_upper = np.array([124, 255, 255])# 已知物体到摄像头的距离(cm)
KNOW_DISTANCE = 50# 计算已知物体对应距离的实际宽(cm)
KONW_OBJECT_WIDTH = 7.48# 计算已知物体对应距离的像素数目
KONW_OBJECT_PWIDTH = 67# 获取摄像头对象
cap = cv2.VideoCapture(0)
# 利用相似三角形计算物体到摄像头的距离
def Get_Distance(W, F, P):''':param W: 已知物体实际宽:param F: 相机的焦距:param P: 物体的像素宽:return:D_str: 返回字符串型的距离'''D = (W * F) / P# 将D 近似为两位小数D = round(D, 2)D_str = str(D)return  D_str# 获取相机的焦距
def Get_LocalLonght(P, D ,W):''':param P: 已知物体像素宽:param D: 相机位置也就是相机距离物体的距离:param W: 已知物体实际宽:return:F:相机的焦距'''F = (P * D) / Wreturn  Fwhile(True):# 读取视频流flag, img = cap.read()# 转换为HSV颜色领域img_HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 制作掩膜，保存满足HSV指标的图像，其他过滤掉mask = cv2.inRange(img_HSV, lowerb= blue_lower, upperb= blue_upper)img_ball = cv2.bitwise_and(img, img, mask= mask)# 高斯模糊去噪img_ball = cv2.GaussianBlur(img_ball, (5,5), 0)cv2.imshow('img_ball', img_ball)# 转换为二值图img_ball = cv2.cvtColor(img_ball, cv2.COLOR_BGR2GRAY)# 因为输入图像为灰度图所以阈值也就是亮度， 通过HSV指标过滤后背景还是会有些蓝色的干扰，所以设置一个合适的阈值将那些过亮的干扰过滤掉__, img_bin = cv2.threshold(img_ball, 120, 255, cv2.THRESH_BINARY)cv2.imshow('img_bin', img_bin)# 进行边缘检测，由于边缘检测阈值的限定，会对之后的轮廓检测省下一些操作img_canny = cv2.Canny(img_bin, 150, 250)cv2.imshow('img_canny', img_canny)# 之前试过形态学的一些操作，效果不如边缘检测# kernel = np.ones((9,9), dtype= np.uint8)# img_chli = cv2.erode(img_bin, kernel= kernel, iterations=6)# cv2.imshow('img_erod', img_chli)# img_chli = cv2.dilate(img_chli, kernel= kernel, iterations= 6)# cv2.imshow('img_dil', img_chli)# 轮廓检测contours, __ = cv2.findContours(img_canny,  cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 如果检测到的轮廓不会0if len(contours) != 0:# 寻找面积最大的轮廓，并获取最小外接矩形area = []for i in range(len(contours)):mianji = cv2.contourArea(contours[i])area.append(mianji)area = np.array(area, dtype= np.uint8)# 获取最大面积索引max_area_num = np.argmax(area)# 获取最大面积的轮廓cnt = contours[max_area_num]# 求它的外接矩形x, y, w, h = cv2.boundingRect(cnt)# 画出最小外接矩形img_juxing = cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0),2)# 获取相机焦距F = Get_LocalLonght(KONW_OBJECT_PWIDTH, KNOW_DISTANCE, KONW_OBJECT_WIDTH)# 获取已经转换成字符串的距离D_STR = Get_Distance(KONW_OBJECT_WIDTH, F, w)# 打印距离img_juxing = cv2.putText(img, "distance:" + D_STR + "cm", (0,30), cv2.FONT_HERSHEY_COMPLEX, 1.5, (0,255,0), bottomLeftOrigin= False)cv2.imshow('img_juxing', img_juxing)if cv2.waitKey(1) == ord('q'):breakcv2.destroyAllWindows()
cap.release()

注：这里的相关参数和环境有着很大的关系，尤其是亮度HSV颜色领域不可不避免的问题，并且和被检测物品有很大的关系。
需要自己进行调整。蓝色衣服作为干扰被加入了检测图像中。用手机是因为这样亮度的影响较小，

在当前环境且不改变参数的情况下的检测效果（视频中绿框在一定距离范围跳动比较频繁）

结语

如有错误，还请评论指出。

Python:OpenCV4识别一个蓝色的圆并估算到相机的距离相关推荐

使用ZED相机识别颜色醒目的水壶并计算与相机的距离
这是以前做的小项目里的一部分,由于时间久远,在这里整理以下,也方便自己以后查阅. 前期准备 ZED-stereo是很好用功能强大的双目相机,可以调用自带的库直接读取点云数据,也可以很方便获得图像任意一 ...
使用python绘制一个渐变色的圆
1,引入海龟绘图 import turtle as t 2,基本操作,绘制一个蓝色的圆 #设置圆颜色 t.color('blue') #开始绘制 t.begin_fill() #参数redius=10 ...
Python3.8（pycharm） + OpenCV4 识别二维码
Python + OpenCV4 识别二维码在opencv4中集成了识别二维码的库,所以只需要简单的库函数调用就可以就可以实现识别二维码了废话不多说直接上代码 import cv2 as cv i ...
python画多个圆_python turtle库画一个方格和圆实例
python turtle库画一个方格和圆实例使用python的turtle库画一个方格和圆打开python编译器,导入turtle库 from turtle import * 首先画一个距离为1 ...
精通 Python OpenCV4：第二部分
原文:Mastering OpenCV 4 with Python 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 计算机视觉译文集],采用译后编辑(MTPE)流程来尽 ...
精通 Python OpenCV4：第三、四部分
原文:Mastering OpenCV 4 with Python 协议:CC BY-NC-SA 4.0 译者:飞龙本文来自[ApacheCN 计算机视觉译文集],采用译后编辑(MTPE)流程来尽 ...
python人脸识别神器_教你用Python人脸识别自动开机，值得收藏
这里将告诉您教你用Python人脸识别自动开机,值得收藏,具体操作方法:是不是厌烦了每次回家都要点击按钮打开电脑的操作? 你如果有看过我以前的推送,是不是厌烦了每次回家都要喊 "echo,t ...
python 颜色识别_在python中构建颜色识别器
python 颜色识别 In this post, I will show you how to build your own color recognizer using Python. This ...
python形状识别算法_Python人工智能使用OpenCV进行图片形状的中心检测
我们都知道正方形(长方形)的中心是2条对角线的交点,圆的中心是一个圆的圆心,如何在对象检测以及图片检测与识别领域,判断一个形状的中心,便是计算机视觉领域中的一个基础检测中心检测 Opencv+pyt ...

Python:OpenCV4识别一个蓝色的圆并估算到相机的距离

Python:OpenCV4识别一个蓝色的圆并估算到相机的距离

识别一个蓝色的圆

下一步：摄像头识别出蓝色的圆并估算距离

结语

Python:OpenCV4识别一个蓝色的圆并估算到相机的距离相关推荐

最新文章

热门文章