简略物体追寻和几许转化

一、更改色彩空间

有时候，咱们需求对图画的色彩空间进行转化，比如说在图画进行阈值处理、边际检测时，三个通道的图画难以进行梯度检测，所以咱们进行色域转化：BGR <-> gray， BGR <-> HSV

别的，接下来咱们将会测验将一个视频中的有色物体提取出来。

下面咱们将会学习两个函数：cv.cvtColor()转化色彩空间,cv.inRange()等

1. 改变图画色域

OpenCV里面包含了150多种色域转化的办法，可是咱们只需关注两种：BGR <-> gray， BGR <-> HSV,色域转化函数如下：

cv.cvtColor(input_image, flag) ，其间flag决议了转化类型，有如下取值：
1. cv.COLOR_BGR2GRAY，完成BGR -> gray 转化
2. cv.COLOR_BGR2HSV，完成BGR -> HSV 转化

import cv2 as cv
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline

def cv_show(name, img):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()

def compare(imgs):
  #  for i in range(len(imgs)):
 #       imgs[i][:,-3:-1,:] = [255,255,255]
    res = np.hstack(imgs)
    cv_show('Compare', res)

# 打印检查flag的取值
flags = [i for i in dir(cv) if i.startswith('COLOR_')]
flags

['COLOR_BAYER_BG2BGR', 'COLOR_BAYER_BG2BGRA', 'COLOR_BAYER_BG2BGR_EA', 'COLOR_BAYER_BG2BGR_VNG', 'COLOR_BAYER_BG2GRAY', ... 'COLOR_YUV420sp2GRAY', 'COLOR_YUV420sp2RGB', 'COLOR_YUV420sp2RGBA', 'COLOR_mRGBA2RGBA']

留意：对于 HSV，色相规模是[0,179] ，饱和度规模是[0,255] ，值规模是[0,255]。不同的软件运用不同的尺度。因此，如果在OpenCV中运用HSV ，则需规范化这些取值规模

2. 物体盯梢

在了解到BGR图画转化为HSV图画的办法之后，咱们能够运用它来提取有色目标。相比较BGR图画爱，在HSV图画中，咱们更易于表示一种色彩。接下来的运用中，咱们将运用以下进程来提取有色物体：

获取到视频的每一帧
将帧图画的色域从BGR转化到HSV
将HSV图画阈值处理为蓝色规模
单独提取出蓝色，便于咱们之后处理

cv.inRange的用法： cv.inRange( src, lowerb, upperb[, dst] ) -> dst，得到一副二值图画
OpenCV中HSV的BGR视点规模：
1. 赤色：0
2. 绿色：60
3. 蓝色：120
4. 黄色：30
5. 青色：90
6. 紫色：150

cap = cv.VideoCapture(0)
if not cap.isOpened():
    print('翻开文件失利！')
    exit()
while(1):
    # 逐帧提取
    _, frame = cap.read()
    # 转化色域
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 设定蓝色色域的上下限，参数分别为：色彩视点、饱和度、明度
    lower_blue = np.array([0,50,50])
    upper_blue = np.array([20,255,255])
    # 在对应色彩规模就置为255，不在的话就归0
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    # 滤出对应的色彩规模图画
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(1) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

留意: 能够看见图画中存在一些噪声，稍后咱们会讨论解决办法，这是图画追寻的最最简略的一种办法，若是学写了轮廓函数，咱们就能做许多事情，比如找到物体的质心，然后用它来盯梢物体，只是经过在摄像机前移动你的手绘制图表，还有其他风趣的事情。

3. 怎样了解咱们需求盯梢的HSV值？

咱们能够在网站：www.stackoverflow.com/ 寻求相关答案。别的，咱们也能够运用 cv.cvtColor()函数来进行BGR到HSV的转化。不需求传入图画，只需求传入对应的BGR值便可。

# 检查Green的HSV值
# 现将BGR格式的纯绿色界说出来
green_BGR = np.uint8([[[0, 255, 0]]])
green_BGR.shape

(1, 1, 3)

一行一列三通道，界说多行多列能够直接运用np.zeros

red_BGR = np.zeros((255, 400, 3))
red_BGR[...,2] = 255
cv_show('Red', red_BGR)

# 进行BGR2HSV转化
green_HSV = cv.cvtColor(green_BGR, cv.COLOR_BGR2HSV)
green_HSV

array([[[ 60, 255, 255]]], dtype=uint8)

现在你把[ H-10,100,100] 和 [ H + 10,255,255]分别作为下界和上界。除了这个办法，你能够运用任何图画编辑工具，如 GIMP 或任何在线转化器来找到这些值，但不要忘记调整 HSV 规模（主要是第一个视点的规模，要除二）。

4. 练习

测验提取出多种色彩的物体，如蓝色、绿色一起提取

cap = cv.VideoCapture('Tg.mp4')
if not cap.isOpened():
    print('翻开文件失利！')
    exit()
while(1):
    # 逐帧提取
    _, frame = cap.read()
    # 转化色域
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 设定黄色色域的上下限，参数分别为：色彩视点、饱和度、明度
    lower_yellow = np.array([20,100,100])
    upper_yellow = np.array([40,255,255])
    # 设定赤色色域的上下限，参数分别为：色彩视点、饱和度、明度
    lower_red = np.array([0,100,100])
    upper_red = np.array([20,255,255])
    # 在对应色彩规模就置为255，不在的话就归0
    mask_yellow = cv.inRange(hsv, lower_yellow, upper_yellow)
    mask_red = cv.inRange(hsv, lower_red, upper_red)
    # 要完成多种色彩提取，则需求将多种色彩的mask进行位运算的或操作，将成果再和原图画相与
    mask = cv.bitwise_or(mask_yellow,mask_red)
    # 滤出对应的色彩规模图画
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(1) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

二、图画几许改换

本节主要包括运用不同的几许改换图画，如平移，旋转，仿射改换等。主要用到的函数有： cv.getPerspectiveTransform()

1. 重塑图画巨细

OpenCV内置了两个转化函数： cv.warpAffine 和 cv.warpPerspective，能够协助咱们进行各类转化。前者的转化矩阵为 2 * 3，而后者转化矩阵尺度为 3 * 3

图画缩放：图画缩放就是重新设置图画的巨细。OpenCV供给了cv.resize函数完成此功用。图画巨细能手动设置也能够传入缩放因子。依据传入缩放因子的不同，完成的功用也不同：

cv.INTER_AREA：缩小
cv.INTER_CUBIC(缓慢) 和 cv.INTER_LINEAR：扩大

一般说来，cv.INTER_LINEAR办法适用于所有的重塑图画巨细情况。

img = cv.imread('lena.png')
# 第二个参数是指定图画巨细，传入None或(0,0)则标明要按份额缩放
# 后面要传入fx， fy
res = cv.resize(img, None, fx = 2, fy = 2, interpolation = cv.INTER_CUBIC )
cv_show('T',res)

# 下面功用和上面一致
height, width = img.shape[:2]
res = cv.resize(img,(2*width, 2*height), interpolation = cv.INTER_CUBIC)

2. 图画平移

平移就是图画方位的转化，若你明确了(x, y)方向的偏移，而且让他转化到 $t_x, t_y)$ ，那么你就能够构造出一个改换矩阵M ， $=\begin{bmatrix} 1 & 0 & t_x\\ 0 & 1 & t_y \end{bmatrix}$ 。

咱们能够将这个矩阵运用Numpy的数组类型（其间的数据类型要坚持为 np.float32）存储，便于之后的矩阵运算或传递给 cv.warpAffine ()函数

img = cv.imread('lena.png',0)
rows,cols = img.shape
M = np.float32([[1,0,100],[0,1,50]])
dst = cv.warpAffine(img,M,(cols,rows))
cv_show('result', dst)

留意：cv.warpAffine ()函数的第三个参数是输出图画的巨细，它应该是 (width，height) 的形式。记住 width = 列数，height = 行数。

3. 图画旋转

旋转视点为 $\theta$ 的图画旋转是透过改换矩阵来到达的: $M=[cos⁡−sin⁡sin⁡cos⁡]M=\left[\begin{array}{cc} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$ ，这种办法未指定旋转中心。

可是 OpenCV 供给了可调理旋转中心的缩放旋转，这样便能够以任何方位为中心旋转。修改后的改换矩阵为： $[(1−)⋅center.x−⋅center.y−⋅center.x+(1−)⋅center.y]\left[\begin{array}{ccc} \alpha & \beta & (1-\alpha) \cdot \text { center. } x-\beta \cdot \text { center. } y \\ -\beta & \alpha & \beta \cdot \text { center. } x+(1-\alpha) \cdot \text { center. } y \end{array}\right]$ ,

其间 center.x， center.y代表了旋转中心的坐标，而 $=scale⋅cos⁡=scale⋅sin⁡\begin{aligned} \alpha &=\text { scale } \cdot \cos \theta \\ \beta &=\text { scale } \cdot \sin \theta \end{aligned}$ ，scale是缩放份额

上面仅是数学推理进程，OpenCV供给了cv.getRotationMatrix2D 函数来协助咱们找到上面的改换矩阵。

img = cv.imread('lena.png',-1)
rows,cols = img.shape[:2]
# (cols-1)/2.0,(rows-1)/2.0)为图画中心坐标，第二个参数为旋转视点theta(逆时针)，第三个参数为缩放份额
M = cv.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),180,2)
dst = cv.warpAffine(img,M,(cols,rows))
cv_show('result', dst)

4. 仿射改换

在仿射改换中，原始图画中的所有平行线在输出图画中仍然是平行的。为了找到改换矩阵，咱们需求从输入图画中找到3个点，并在输出图画中找到它们的对应方位。然后，cv.getafinetransform 将创建一个2×3矩阵，该矩阵将传递给 cv.warpAffine进行仿射改换。

img = cv.imread('lena.png',-1)
rows,cols,ch = img.shape
# 找到原图点
pts1 = np.float32([[50,50],[200,50],[50,200]])
# 规定原图改换后所在点
pts2 = np.float32([[10,100],[200,50],[100,250]])
# 解出仿射改换矩阵
M = cv.getAffineTransform(pts1,pts2)
# 改换
dst = cv.warpAffine(img,M,(cols,rows))
plt.subplot(121),plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB)),plt.title('Input')
plt.subplot(122),plt.imshow(cv.cvtColor(dst, cv.COLOR_BGR2RGB)),plt.title('Output')
plt.show()

5. 透视改换

对于透视转化，你需求一个3 3的改换矩阵。直线即便在改换之后也会坚持直线。为了找到这个改换矩阵，你需求在输入图画和输出图画上对应的4个点。在这4点中，有3点不该该是共线的。然后能够经过函数 cv.getPerspectiveTransform 找到改换矩阵。然后运用 cv.warpPerspective 填入这个3×3改换矩阵。

rows,cols,ch = img.shape
# 找到四个透视点
pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
# 解出透视改换矩阵
M = cv.getPerspectiveTransform(pts1,pts2)
# 运用透视改换矩阵得到成果
dst = cv.warpPerspective(img,M,(300,300))
plt.subplot(121),plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB)),plt.title('Input')
plt.subplot(122),plt.imshow(cv.cvtColor(dst, cv.COLOR_BGR2RGB)),plt.title('Output')
plt.show()

OpenCV Tutorials 03 – 简单物体追踪和几何转换

简略物体追寻和几许转化

一、更改色彩空间

1. 改变图画色域

2. 物体盯梢

3. 怎样了解咱们需求盯梢的HSV值？

4. 练习

二、图画几许改换

1. 重塑图画巨细

2. 图画平移

3. 图画旋转

4. 仿射改换

5. 透视改换

作者信息

OpenCV Tutorials 03 – 简单物体追踪和几何转换

简略物体追寻和几许转化

一、更改色彩空间

1. 改变图画色域

2. 物体盯梢

3. 怎样了解咱们需求盯梢的HSV值？

4. 练习

二、图画几许改换

1. 重塑图画巨细

2. 图画平移

3. 图画旋转

4. 仿射改换

5. 透视改换

相关文章

Android 12 快速适配要点

你的 vscode 配置真的舒服么？

通俗的认识计算机

数据构造那些事儿

作者信息