【Mind+python】追光
【追光】
在Mind+Python模式中检测图像中灯光亮点（图像中最亮点）的教程
【python代码】
已注释的比较详细。
from imutils import contours
from skimage import measure#安装scikit-image库
import numpy as np
import argparse
import imutils
import cv2
cap = cv2.VideoCapture(0)
while True:
ret, img = cap.read()
# 生成灰度图，提高检测效率
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#gray = cv2.resize(gray,(320,240))
#平滑滤波
blurred = cv2.GaussianBlur(gray, (11, 11), 0)
#阈值化处理，为了显示模糊图像中最亮的区域，将像素值p >= 200，设置为255(白色)，像素值< 200，设置为0(黑色)
thresh = cv2.threshold(blurred, 240, 255, cv2.THRESH_BINARY)
#图像中存在噪声(小斑点)，所以需要通过腐蚀和膨胀操作来清除
thresh = cv2.erode(thresh, None, iterations=2)
thresh = cv2.dilate(thresh, None, iterations=4)
# 对阈值图像执行连接组件分析，然后初始化遮罩以仅存储“大”组件
labels = measure.label(thresh, connectivity =2, background=0)
mask = np.zeros(thresh.shape, dtype="uint8")
# 开始循环遍历每个label中的正整数标签
for label in np.unique(labels):
# 如果标签为零，则表示正在检测背景并可以安全的忽略它否则，为当前区域构建一个掩码。
if label == 0:
continue
# 否则，构建标签掩码并计算像素数
labelMask = np.zeros(thresh.shape, dtype="uint8")
labelMask = 255
numPixels = cv2.countNonZero(labelMask)
#对labelMask中的非零像素进行计数。如果numPixels超过了一个预先定义的阈值(在本例中，总数为300像素)，那么认为这个斑点“足够大”，并将其添加到掩膜中。
if numPixels > 300:
mask = cv2.add(mask, labelMask)
#在遮罩中找到轮廓，然后从左到右排序
cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
if len(cnts)>0:
cnts = contours.sort_contours(cnts)
#在轮廓上打圈
maxwh=0
for (i, c) in enumerate(cnts):
#在图像上画出亮点
(x, y, w, h) = cv2.boundingRect(c)
if w*h>maxwh:
maxwh=w*h
cmax=c
((cX, cY), radius) = cv2.minEnclosingCircle(cmax)
cv2.circle(img, (int(cX), int(cY)), int(radius),(0, 0, 255), 3)
#cv2.putText(img, "#{}".format(i + 1), (x, y - 15),cv2.FONT_HERSHEY_SIMPLEX, 0.45, (0, 0, 255), 2)
cv2.imshow('video',img)
k = cv2.waitKey(30) & 0xff
if k == 27: # press 'ESC' to quit
break
cap.release()
cv2.destroyAllWindows()
页:
[1]