首页 > 分享 > 树莓派配合python opencv 实现的颜色追踪与识别

树莓派配合python opencv 实现的颜色追踪与识别

花匠小妙招
2024-12-14 15:56

直接上代码，大家直接复制运行就可以看到效果
前提是安装好了OpenCV3

一开始我的代码没有注解我花了点时间在后面加了一个有注解的代码
如果需要了解代码的功能
可以划到下面看看

import numpy as np import cv2 blue_lower = np.array([100,43,46]) blue_upper = np.array([124,255,255]) #这里是设置颜色 cap = cv2.VideoCapture(0) cap.set(3, 320) cap.set(4, 240) while 1: ret, frame = cap.read() frame = cv2.GaussianBlur(frame, (5, 5), 0) hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv, blue_lower, blue_upper) # 图像学膨胀腐蚀 mask = cv2.erode(mask, None, iterations=2) mask = cv2.GaussianBlur(mask, (3, 3), 0) res = cv2.bitwise_and(frame, frame, mask=mask) # 寻找轮廓并绘制轮廓 cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] if len(cnts) > 0: # 寻找面积最大的轮廓并画出其最小外接圆 cnt = max(cnts, key=cv2.contourArea) (x, y), radius = cv2.minEnclosingCircle(cnt) cv2.circle(frame, (int(x), int(y)), int(radius), (255, 0, 255), 2) # 找到物体的位置坐标,获得颜色物体的位置，可以来控制小车的转向 print(int(x), int(y)) else: pass cv2.imshow('frame', frame) cv2.imshow('mask', mask) cv2.imshow('res', res) if cv2.waitKey(5) & 0xFF == 27: break cap.release() cv2.destroyAllWindows()

1234567891011121314151617181920212223242526272829303132333435363738394041

需要追踪的颜色是HSV的样式具体颜色表格如下
可以根据自己的需求来设置需要的颜色
可以参照我写的代码来设置颜色的参数
在这里插入图片描述

追踪效果图如下，我设置的是蓝色追踪。
在这里插入图片描述
这样就可以实现在树莓派上实现颜色的识别与最终，可以与小车结合来控制小车的一些运动与暂停的交互。比如红灯停，绿灯行。

import cv2 import numpy as np #导入库 blue_lower = np.array([100,43,46]) blue_upper = np.array([124,255,255]) #设置颜色区间 cap = cv2.VideoCapture(0) #打开摄像头 cap.set(3,640) cap.set(4,480) #设置窗口的大小 while 1: #进入无线循环 ret,frame = cap.read() #将摄像头拍摄到的画面作为frame的值 frame = cv2.GaussianBlur(frame,(5,5),0) #高斯滤波GaussianBlur() 让图片模糊 hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) #将图片的色域转换为HSV的样式以便检测 mask = cv2.inRange(hsv,blue_lower,blue_upper) #设置阈值，去除背景保留所设置的颜色 mask = cv2.erode(mask,None,iterations=2) #显示腐蚀后的图像 mask = cv2.GaussianBlur(mask,(3,3),0) #高斯模糊 res = cv2.bitwise_and(frame,frame,mask=mask) #图像合并 cnts = cv2.findContours(mask.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2] #边缘检测 if len(cnts) >0 : #通过边缘检测来确定所识别物体的位置信息得到相对坐标 cnt = max(cnts,key=cv2.contourArea) (x,y),radius = cv2.minEnclosingCircle(cnt) cv2.circle(frame,(int(x),int(y)),int(radius),(255,0,255),2) #画出一个圆 print(int(x),int(y)) else: pass cv2.imshow('frame',frame) #将具体的测试效果显示出来 cv2.imshow('mask',mask) cv2.imshow('res',res) if cv2.waitKey(5) & 0xFF == 27: #如果按了ESC就退出当然也可以自己设置 break cap.release() cv2.destroyAllWindows() #后面两句是常规操作,每次使用摄像头都需要这样设置一波

12345678910111213141516171819202122232425262728293031323334

对于打印出来的坐标，是以窗口的左上角为原点，向下为y轴正半轴，向右为x轴正半轴