[python opencv 计算机视觉零基础到实战] 五、对象追踪

1_bit

发布于 2021-01-14 17:19:05

7480

发布于 2021-01-14 17:19:05

文章被收录于专栏：我的知识小屋

一、学习目标

了解为什么色彩空间的转换那么重要
了解opencv中进行对象跟踪的方法

二、了解OpenCV中使用inRange进行对象跟踪

2.1 了解色彩空间的转换为什么那么重要

上一节中，我们了解了色彩空间的转换，那为什么要了解色彩空间？上一节中并没有进行说明，这一节将通过色彩空间的转换，使我们能够对一些对象进行追踪；这一节所需要转换的色彩空间是HSV色彩空间，在HSV色彩空间中，不同的颜色有不同的取值范围，通过这些范围可以对一些指定颜色进行过滤捕获，从而实现跟踪。

首先我们查看一下HSV色彩空间中，一般颜色的取值范围。HSV存在3个通道，我们以下为黑白灰、红橙黄绿青蓝紫颜色的三个通道取值范围；我们了解了取值范围后将有利于我们对这些颜色的取值：黑：

H低值为 0，S低值为 0，V低值为 0
H高值为 180，S高值为 255，V高值为 46

白：

H低值为 0，S低值为 0，V低值为 221
H高值为 180，S高值为 30，V高值为 255

灰：

H低值为 0，S低值为 0，V低值为 46
H高值为 180，S高值为 43，V高值为 220

红：

H低值为 156，S低值为 43，V低值为 46
H高值为 180，S高值为 255，V高值为 255

橙：

H低值为 11，S低值为 43，V低值为 46
H高值为 25，S高值为 255，V高值为 255

黄：

H低值为 26，S低值为 43，V低值为 46
H高值为 34，S高值为 255，V高值为 255

绿：

H低值为 35，S低值为 43，V低值为 46
H高值为 77，S高值为 255，V高值为 255

青：

H低值为 78，S低值为 43，V低值为 46
H高值为 99，S高值为 255，V高值为 255

蓝：

H低值为 100，S低值为 43，V低值为 46
H高值为 124，S高值为 255，V高值为 255

紫：

H低值为 125，S低值为 43，V低值为 46
H高值为 155，S高值为 255，V高值为 255

我们可以根据以上的值，使用inRange方法对图片的对象进行过滤，或者说跟踪，如果使用以上的颜色取值范围，有个先行条件，需要对图片进行HSV转换。

2.2 使用inRange对图像进行捕获

在python中，使用inRange方法可以对图片进行过滤，从而捕获我们需要捕获的内容。inRange方法需要传入3个参数，第一个是图像；第二个是一个下限，这个下限指你需要捕获的目标颜色的取值低值；第三个是一个上限，指你需要捕获的目标颜色取值上限值。下限与上限都是数组。

现在我们有如下图片：

以上图片共有3中颜色，白色、黑色、绿色。现在我需要捕获黑色，那该如何去做呢？这时我们通过2.1节中得知，黑色的H、S、V低值分别是0、0、0，高值分别是180、255、46。我们创建两个数值，一个存储低值一个存储高值。代码如下：

min=np.array([0,0,0])
max=np.array([180,255,46])

这时我们先获取图片，并且引入numpy，不然np未引入将会出错：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\test.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("flag",cv2.WINDOW_NORMAL)

以上代码创建的Image窗口用于显示正常的图片，flag窗口显示我们捕获后的目标图片。随后将图片进行HSV转换：

hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

随后将创建的数组，以及将转换后的图片传入inRange方法中：

min=np.array([0,0,0])
max=np.array([180,255,46])
flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)

接着显示以及等待：

cv2.imshow("Image", img)
cv2.imshow("flag", mask)
cv2.waitKey (0)
cv2.destroyAllWindows()

为了方便大家查看，以下贴出了完整代码：

import cv2
import numpy as np

img = cv2.imread(r'C:\Users\mx\Desktop\test.jpg')
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("flag",cv2.WINDOW_NORMAL)

hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
min=np.array([0,0,0])
max=np.array([180,255,46])
flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)

cv2.imshow("Image", img)
cv2.imshow("flag", flag)
cv2.waitKey (0)
cv2.destroyAllWindows()

运行结果如下：

我们从运行后的结果中发现，我们需要捕获的黑色，变成了白色显示，其它颜色则变成了黑色。那我们接着将捕获的黑色换成绿色。那么我们更改低值与高值数组，改成绿色的低值为 35、43、46，高值77、 255、 255：

min=np.array([35,43,46])
max=np.array([77,255,255])

运行代码，结果如下：

这个时候绿色捕获成功，其它颜色编程了黑色，或者说都为0。

2.3 使用inRange对视频中目标进行捕获

在前两篇文章中，我们已经了解了如何读取视频设备流，那如何读取视频呢？其实流程是一样的，我们首先创建VideoCapture，并且传入视频路径获取视频对象。

capture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')

随后循环使用read方法读取视频（类似方法不再进行赘述）：

while True:
    r,img=capture.read()
    if r==False:
        break

那么接下来就开始等待与显示了。我们每一帧视频都是一张图片，那么只要不断的在一个窗口中显示图片就可以了，添加完显示代码后，完整代码如下：

import cv2
import numpy as np

capture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')

while True:
    r,img=capture.read()
    if r==False:
        break
    cv2.imshow("hmbb", img)
    k=cv2.waitKey (40)
    if k==27:
        break
cv2.destroyAllWindows()

这个时候运行代码，成功的播放视频：

我在这里使用的是海绵宝宝，我们接下来捕获跟踪视频中的海绵宝宝对象。海绵宝宝是一个类似于黄色的物体，那么我们只需要创建两个数组用于捕捉黄色图像即可，其它代码跟图片捕捉的代码一致，不再赘述，完整代码如下：

import cv2
import numpy as np

capture=cv2.VideoCapture(r'C:\Users\mx\Desktop\hmbb.mp4')
min=np.array([26,43,46])
max=np.array([34,255,255])
while True:
    r,img=capture.read()
    if r==False:
        break
    hsv_img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    flag=cv2.inRange(hsv_img,lowerb=min,upperb=max)
    cv2.imshow("flag", flag)
    cv2.imshow("hmbb", img)
    k=cv2.waitKey (40)
    if k==27:
        break
cv2.destroyAllWindows()

运行结果如下：