Python：色块检测追踪以及打印中心坐标_python 获取地理化色块的中心点

一、一种色块的监测追踪以及打印中心坐标

from collections import  deque  
import numpy as np   
import cv2  
import time  
  
redLower = np.array([0, 80, 50]) #设定红色阈值，HSV空间 
redUpper = np.array([8, 255, 220])  
mybuffer = 64  #初始化追踪点的列表 
pts = deque(maxlen=mybuffer)  
#打开摄像头
if __name__ == '__main__':
    cv2.namedWindow("camera",1)
    video="http://192.168....:8081/"   #自己IP摄像头的地址
    camera =cv2.VideoCapture(video) 
time.sleep(3)#等待两秒

while True:             #遍历每一帧，检测红色瓶盖
    #读取帧
    (ret, frame) = camera.read()
    if not ret:
        print ('No Camera')
        break  
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)   #转到HSV空间   
    mask = cv2.inRange(hsv, redLower, redUpper)  #根据阈值构建掩膜
    mask = cv2.erode(mask, None, iterations=2)  #腐蚀操作    
    mask = cv2.dilate(mask, None, iterations=2)  #膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点 
    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]  #轮廓检测   
    center = None  #初始化瓶盖圆形轮廓质心
    #如果存在轮廓  
    if len(cnts) > 0:  
        #找到面积最大的轮廓  
        c = max(cnts, key = cv2.contourArea)  
        #确定面积最大的轮廓的外接圆  
        ((center_x, center_y), radius) = cv2.minEnclosingCircle(c)  
        #计算轮廓的矩  
        M = cv2.moments(c)  
        #计算质心  
        cv2.circle(frame, (int(center_x), int(center_y)), int(radius), (0, 255, 255), 2)  
        cv2.circle(frame, center, 5, (0, 0, 255), -1)
        print('红色色块的中心坐标',(int(center_x),int(center_y)))
    cv2.imshow('Frame', frame)      
    k = cv2.waitKey(5)&0xFF  #键盘检测，检测到esc键退出
    if k == 27:  
        break  
camera.release()  #摄像头释放 
cv2.destroyAllWindows()#销毁所有窗口 


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

对于IP摄像头陌生的同学可以看一下我之前的一篇博客https://blog.csdn.net/weixin_45870610/article/details/104970299

二、两种色块的监测追踪以及打印中心坐标

from collections import  deque  
import numpy as np   
import cv2  
import time  
  
redLower = np.array([156, 43, 46]) #设定红色阈值，HSV空间 
redUpper = np.array([180, 255, 255])
blueLower = np.array([100, 43, 46])
blueUpper = np.array([124, 255, 255])
mybuffer = 64  #初始化追踪点的列表 
pts = deque(maxlen=mybuffer)  
if __name__ == '__main__':
    cv2.namedWindow("camera",1)
    video="http://192.168....:8081/" #这里要改成你自己的IP摄像头的地址  
    camera =cv2.VideoCapture(video) 
time.sleep(3)#等待两秒
while True:             #遍历每一帧，检测红色瓶盖
    #读取帧
    (ret, frame) = camera.read()
    if not ret:
        print ('No Camera')
        break  
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)   #转到HSV空间   
    mask1 = cv2.inRange(hsv, redLower, redUpper)  #根据阈值构建掩膜
    mask2 = cv2.inRange(hsv, blueLower, blueUpper)    
    mask1 = cv2.erode(mask1, None, iterations=2)  #腐蚀操作
    mask2 = cv2.erode(mask2, None, iterations=2)    
    mask1 = cv2.dilate(mask1, None, iterations=2)#膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点
    mask2 = cv2.dilate(mask2, None, iterations=2)    
    cnts1 = cv2.findContours(mask1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]  #轮廓检测
    cnts2 = cv2.findContours(mask2.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]    
    center = None  #初始化瓶盖圆形轮廓质心
    #如果存在轮廓  
    if len(cnts1) > 0:    
        c = max(cnts1, key = cv2.contourArea) #找到面积最大的轮廓   
        ((red_x, red_y), radius) = cv2.minEnclosingCircle(c)  #确定面积最大的轮廓的外接圆  
        M = cv2.moments(c)  #计算轮廓的矩  
        cv2.circle(frame, (int(red_x), int(red_y)), int(radius), (0, 255, 255), 2)  #计算质心
        cv2.circle(frame, center, 5, (0, 0, 255), -1)
        print('红:',(int(red_x),int(red_y)))
    if len(cnts2) > 0:    
        c = max(cnts2, key = cv2.contourArea)  
        ((blue_x, blue_y), radius) = cv2.minEnclosingCircle(c)  
        M = cv2.moments(c)  
        cv2.circle(frame, (int(blue_x), int(blue_y)), int(radius), (0, 0, 255), 2)  
        cv2.circle(frame, center, 5, (255, 0, 0), -1)
        print('蓝:',(int(blue_x),int(blue_y)))    
    cv2.imshow('Frame', frame)      
    k = cv2.waitKey(5)&0xFF  #键盘检测，检测到esc键退出
    if k == 27:  
        break  
camera.release()  #摄像头释放 
cv2.destroyAllWindows()#销毁所有窗口 



'''
三种色块的：可以把这些加进去，道理是相同的
greenLower = np.array([35, 43, 46])
greenUpper = np.array([77, 255, 255])
mask3 = cv2.inRange(hsv, greenLower, greenUpper)
mask3 = cv2.erode(mask3, None, iterations=2)
mask3 = cv2.dilate(mask3, None, iterations=2)
cnts3 = cv2.findContours(mask3.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
if len(cnts3) > 0:    
    c = max(cnts3, key = cv2.contourArea)  
    ((green_x, green_y), radius) = cv2.minEnclosingCircle(c)  
    M = cv2.moments(c)  
    cv2.circle(frame, (int(green_x), int(green_y)), int(radius), (255, 0, 0), 2)  
    cv2.circle(frame, center, 5, (0, 255, 0), -1)
    print('绿:',(int(green_x),int(green_y)))
'''

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73

这里大家要尽量找圆形的物体，家里实在找不到圆绿的了哈哈，不规则的物体的话得出的数据还是会有误差的；还有一种情况是没有办法识别出红色，但你觉得他就是红色的物体，那你可以适当调整一下HSV值，就没问题了

哈哈，一看就是初级菜鸟写的代码，希望对大家有所帮助，因为我最终的目标不是识别色块，所以还要进行更进一步的学习，所以这个博客之后还会更新，尽请期待吧。
有什么需不对的，或者需要改进的地方，还希望各位大神可以指正。