【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)[1]
   #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[labels == label] = 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)[0]
     #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()
复制代码