【opencv】【第一玩】坤坤的篮球_matlab蔡徐坤打篮球

今天第一次装了opencv，强大的图像处理库，于是我们先上安装过程

我是在conda环境下安装的，选择自己的python环境

conda activate pytorch
1

然后执行下面安装opencv，默认是最新版本。

pip install opencv-python
pip install opencv-contrib-python
1
2

安装完毕后
进行检查安装是否成功

(pytorch) C:\Users\j00431635>python
Python 3.8.5 (default, Sep  3 2020, 21:29:08) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'4.5.5'
>>>
1
2
3
4
5
6
7

能成功输出cv的版本即可成功。

然后下面我们基于已有的一些图像处理的知识做一些好玩的练练手，代码是抄袭的，但是每一个步骤我们需要看懂，每个个运算函数过程后面的数学原理和图像处理原理我们得搞明白，这样方便我们以后使用。

参考自：https://zhuanlan.zhihu.com/p/62703610

import cv2

# cap = cv2.VideoCapture('D:/KK_Movies/kk 2022-01-23 18-27-04.mp4')
cap = cv2.VideoCapture('D:/KK_Movies/kk 2022-01-23 18-21-21.mp4')

while True:
    ret, frame = cap.read()  # 获得图像的每一帧
    if frame is None:
        break

    # 图像灰度化
    img_gray = cv2.cvtColor(frame, cv2.COLOR_RGB2GRAY)

    # 高斯模糊
    img_blurred = cv2.GaussianBlur(img_gray, (3, 3), 0)

    # 图像二值化，采用自适应二值化
    img_threshold1 = cv2.adaptiveThreshold(img_blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 5, 2)

    # 再次对二值化图像进行模糊
    img_threshold1_blurred = cv2.GaussianBlur(img_threshold1, (3, 3), 0)

    # 再次进行二值化
    _, img_threshold2 = cv2.threshold(img_threshold1_blurred, 200, 255, cv2.THRESH_BINARY)

    # 对图像进行开区间操作，其实就是膨胀和腐蚀操作
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))  # 得到一个3*3的核
    # 因此当我们对一个图像先腐蚀再膨胀的时候，一些小的区块就会由于腐蚀而消失，再膨胀回来的时候大块区域的边线的宽度没有发生变化，这样就起到了消除小的噪点的效果。图像先腐蚀再膨胀的操作就叫做开运算。
    img_opening = cv2.bitwise_not(cv2.morphologyEx(cv2.bitwise_not(img_threshold2), cv2.MORPH_OPEN, kernel))

    # 再次对二值化图像进行模糊
    img_opening_blurred = cv2.GaussianBlur(img_opening, (3, 3), 0)

    # 最后展示代码
    cv2.imshow('img_opening_blurred', img_opening_blurred)

    # 按下q键就退出
    if cv2.waitKey(40) & 0xFF == ord('q'):
        break

# 程序退出后，就毁灭窗口。
cv2.destroyAllWindows()
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

下面看下试验效果