惊！Python能够检测动态的物体颜色！

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者： 李秋键

ps：如有需要python学习资料的小伙伴可以加点击下方链接自行获取

开始前的准备

借助python和opencv通过图片相减的方法找到动态物体，然后根据像素值的大小判断其中的均值颜色。

首先我们使用的库有cv2，numpy，collections，time。其中导入模块的代码如下：

import cv2
import numpy as np
import collections
import time

下面是读取摄像头：

camera = cv2.videocapture(0)

做一些开始前的准备，包括循环次数，摄像头内容读入，保存上一帧的图片作为对比作差找到动态物体，然后定义框架的长和宽。

firstframe = none
a=0
ret0,frame0 = camera.read()
cv2.imwrite("1.jpg",frame0)
x, y, w, h = 10,10,100,100

 

下面是定义颜色的部分代码，比如定义的黑色，可以参照hsv表进行拓展,如图所示

然后可以知道黑色的最低值为0,0,0，最大值为180，255,46然后建立数组存储颜色数据，通过字典达到映射效果。

 1 # 处理图片
 2 def get_color(frame):
 3     print('go in get_color')
 4     hsv = cv2.cvtcolor(frame, cv2.color_bgr2hsv)
 5     maxsum = -100
 6     color = none
 7     color_dict = getcolorlist()
 8     for d in color_dict:
 9         mask = cv2.inrange(frame, color_dict[d][0], color_dict[d][1])
10         cv2.imwrite(d + '.jpg', mask)
11         binary = cv2.threshold(mask, 127, 255, cv2.thresh_binary)[1]
12         binary = cv2.dilate(binary, none, iterations=2)
13         img, cnts, hiera = cv2.findcontours(binary.copy(), cv2.retr_external, cv2.chain_approx_simple)
14         sum = 0
15         for c in cnts:
16             sum += cv2.contourarea(c)
17         if sum > maxsum:
18             maxsum = sum
19             color = d 
20 return color

 

图像处理

紧接着是图像处理，其中包括转为灰度图，读取颜色字典，然后腐化膨胀操作。

 1 # 处理图片
 2 def get_color(frame):
 3     print('go in get_color')
 4     hsv = cv2.cvtcolor(frame, cv2.color_bgr2hsv)
 5     maxsum = -100
 6     color = none
 7     color_dict = getcolorlist()
 8     for d in color_dict:
 9         mask = cv2.inrange(frame, color_dict[d][0], color_dict[d][1])
10         cv2.imwrite(d + '.jpg', mask)
11         binary = cv2.threshold(mask, 127, 255, cv2.thresh_binary)[1]
12         binary = cv2.dilate(binary, none, iterations=2)
13         img, cnts, hiera = cv2.findcontours(binary.copy(), cv2.retr_external, cv2.chain_approx_simple)
14         sum = 0
15         for c in cnts:
16             sum += cv2.contourarea(c)
17         if sum > maxsum:
18             maxsum = sum
19             color = d 
20 return color

 

图片相减的办法

然后是图片相减找到动态物体的代码，每循环5次保存一次图片，时间是很短的不用担心。然后通过absdiff函数对图片像素值作差找到动态物体，接着讲像素值相减非零的部分用矩形框圈出来。

 1 while true:
 2     ret, frame = camera.read()
 3     if not ret:
 4         break
 5     gray = cv2.cvtcolor(frame, cv2.color_bgr2gray)
 6     gray = cv2.gaussianblur(gray, (21, 21), 0)
 7     a=a+1
 8     if a%5==0:
 9         cv2.imwrite("1.jpg", frame)
10     firstframe=cv2.imread("1.jpg")
11     firstframe= cv2.cvtcolor(firstframe, cv2.color_bgr2gray)
12     firstframe= cv2.gaussianblur(firstframe, (21, 21), 0)
13     framedelta = cv2.absdiff(firstframe, gray)
14     thresh = cv2.threshold(framedelta, 25, 255, cv2.thresh_binary)[1]
15     thresh = cv2.dilate(thresh, none, iterations=2)
16     # cnts= cv2.findcontours(thresh.copy(),cv2.retr_external,cv2.chain_approx_simple)
17 ​
18     x, y, w, h = cv2.boundingrect(thresh)
19     frame = cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2)
20     cv2.imshow("frame", frame)

 

因为保存图片是每隔5次进行一次，在某个瞬间可能保存的图片不存在等原因，所以需要通过try的方法避免错误，最终的演示效果文末有。

 1  try:
 2         ret0, frame0 = camera.read()
 3         cropped = frame0[y:y+h,x:x+w ]  # 裁剪坐标为[y0:y1, x0:x1]
 4         cv2.imwrite("3.jpg", cropped)
 5 ​
 6         frame1 = cv2.imread(filename)
 7         print(get_color(frame1))
 8         # plt.title(label[model.predict_classes(image)], fontproperties=myfont)
 9         imgzi = cv2.puttext(frame, get_color(frame1), (30, 30), cv2.font_hershey_complex, 1.2,
10                             (255, 255, 255), 2)
11         cv2.imwrite("2.jpg", imgzi)
12         cv2.imshow("frame", cv2.imread("2.jpg"))
13     except:
14         pass
15 ​
16     key = cv2.waitkey(1) & 0xff
17 ​
18     if key == ord("q"):
19         break
20 ​
21 camera.release()

 

其最终演示效果如图所示：

至此，动态物体检测代码基本实现。其中的拓展功能可以按照自己的需求进行修改、