Színészlelés Pythonban OpenCV használatával: 8 lépés

2024 Szerző: John Day | [email protected]. Utoljára módosítva: 2024-01-30 09:40

Helló! Ez az utasítás arra szolgál, hogy útmutatást nyújtson arról, hogyan lehet kinyerni egy adott színt a képből a pythonban az openCV könyvtár használatával. Ha még nem ismeri ezt a technikát, ne aggódjon, ennek az útmutatónak a végén programozhatja saját színérzékelő programját.

Az alábbiakban bemutatjuk azokat a funkciókat, vagy mondhatunk technikákat, amelyeket elsajátít, 1. Hogyan kell olvasni egy képet

2. A nyomvonalak létrehozása

3. Hogyan lehet beállítani a kép színárnyalatát, telítettségét és értékét a sávok használatával

4. És akkor ott lesz a végső kimenet

Megtekintheti a kimenetről készült videót, amelyet alább csatoltam.

Tehát kezdjük

Kellékek

• Python 3
• openCV könyvtár
• numpy könyvtár

1. lépés: Könyvtárak importálása

A kép sárga ferrarit ábrázol, és azt programozzuk, hogy csak sárga színt vonjon ki a képből

Az első lépés a könyvtáraink importálása lesz

1. Beleértve az openCV könyvtárat. Ezt pvhonban cv2 -nek hívják

2. Beleértve a numpy könyvtárat np -ként. Az "as" lehetővé teszi számunkra a numpy használatát np -ként, így nem kell újra és újra numpy -t írni

2. lépés: Nyomvonalak létrehozása

A sávok a kép színárnyalatának, telítettségének és értékének beállításához jönnek létre.

cv2.namedWindow ("TrackBars") Ez a kódsor új kimeneti ablak létrehozására szolgál, és az ablak neve TrackBars -ként kerül megadásra (tetszőleges nevet adhat meg)

cv2.resizeWindow ("TrackBars", 600, 250) Ez a funkció egy ablak átméretezésére szolgál. A "TrackBars" azt az ablakot szeretné átméretezni, mivel én a TrackBars ablak átméretezését akartam, ezt a nevet írtam. Ezt követi két egész szám. Ez a két egész szám a szélesség és a magasság. Játszhat ezzel a két számmal a méret megváltoztatásához

3. lépés: TrackBars létrehozása a színárnyalathoz, telítettséghez és értékhez

Most összesen 6 sávot hozunk létre a színárnyalat, a telítettség és az érték tekintetében. Mindegyikben kettő lesz, azaz 1 minimum és 1 maximum. Az openCV createTrackbar funkcióját fogjuk használni. Először is látni fogjuk ennek a függvénynek a szintaxisát.

cv2.createTrackbar ("WINDOWNAME", "MAINWINDOWNAME", "RANGE"). Ez zavaró lehet, de ne aggódjon, minden lépést végig fogunk járni. Ne feledje, hogy az openCV -ben a színárnyalat értéke 179, a telítettség 255 és az érték 255

1. TrackBar létrehozása a színárnyalat min:

cv2.createTrackbar ("Hue min", "TrackBars", 0, 179, üres)

Ebben a színárnyalatban min a sáv neve, a TrackBars a főablak, 0 a pozíció, amelyen a csúszkánk lesz, a 179 pedig a tartomány azt jelenti, hogy a szilder 0-179 között mozog

2. TrackBar létrehozása a hue max számára:

cv2.createTrackbar ("Hue max", "TrackBars", 179, 179, üres)

Ebben a Hue max a sáv neve, a TrackBars a főablak, 179 a pozíció, amelyen a csúszkánk lesz, és a 179 a maximális tartomány, ami azt jelenti, hogy a szilder elmozdul a 179-0

3. Hasonlóképpen ismételje meg a lépéseket a sat min, sat max, val min és val max értékekhez, amint az a képen látható

A fehér háttérrel rendelkező kép a kimeneti kép. Így fognak kinézni a sávok

4. lépés: A kép olvasása és átméretezése

A cv2.imread () lehetővé teszi a kép olvasását. Fontos megjegyezni, hogy a kép helyének ugyanabban a mappában kell lennie, ahol a program mentésre került. A loop cikket behelyezzük, mert addig kell futnia, amíg el nem olvassa a képet, vagy mondhatjuk, amíg a feltétel teljesül

img = cv2.imread ("ferrari.jpg")

• Ebben létrehoztam egy "img" változónevet, amelyben a képet tárolom
• A cv2.imread belsejébe írja be a kép nevét a kiterjesztésével az idézőjelbe

A kép átméretezéséhez a cv2.resize függvényt fogjuk használni. Ez a rész nem kötelező, ha át szeretné méretezni, akkor használhatja ezt a funkciót

A cv2.resize belsejébe először írja be a változó nevét, amelyben a kép tárolódik, majd a szélességét és magasságát

5. lépés: A sáv értékek leolvasása a képre történő alkalmazáshoz

Ok, így most a sáv értékét olvassuk le, hogy alkalmazhassuk a képünkre. Az értékeket a cv2.getTrackbarPos () függvénnyel kapjuk meg.

Kezdjük azzal a résszel…

h_min = cv2.getTrackbarPos ("Hue min", "TrackBars")

A fenti állításban egy h_min változónevet hozok létre, amelyben a Hue min értékét tárolom. Tehát a cv2.getTrackbarPos belsejében az első argumentum "Hue min" lenne, mert a színárnyalat min értékeit akarom (a helyesírásnak pontosan ugyanolyannak kell lennie, mint a createTrackbar függvénynek), a második argumentum pedig a sávablak neve, amelyhez tartozik.

• Ismételje meg ugyanezt a folyamatot a h_max és a többi függvény esetében is, amint a fenti képen látható, majd nyomtassa ki az összes értéket a print () használatával
• A kimenet a második képen látható. A h_min, h_max, s_min, s_max, v_min, s_max értékeket nyomtatja

6. lépés: A kép megjelenítése és a felső és alsó határ beállítása

Most megvan a színárnyalat, a telítettség és az érték minimális és maximális értéke, és ezt az értéket használjuk a kép kiszűrésére, hogy képesek legyünk a kép adott színkimenetére.

Ehhez létrehozunk egy maszkot a cv2.inRange függvény használatával. És előtte beállítjuk a színárnyalat, a telítettség és az érték felső és alsó határát

Tehát hozzon létre egy változónevet "alacsonyabb", és a numpy tömb függvénnyel állítsa be a min tartományt mindháromhoz az alábbiak szerint

alacsonyabb = np.array ([h_min, s_min, v_min])

Ismételje meg ugyanezt a lépést a felső résznél

felső = np.tömb ([h_max, s_max, v_max])

Most az alábbiak szerint készítünk egy maszkot

maszk = cv2.inRange (átméretezés, alsó, felső) A cv2.inRang belsejében az első argumentum az a változó, amelyben a végső képem tárolódik, a második argumentum alsó korlát, a harmadik argumentum pedig felső korlát.

Most megjelenítjük a fő képet és a maszkot. A megjelenítéshez a cv2.imshow () függvényt fogjuk használni

cv2.imshow ("img", átméretezés) Ez a fő kép megjelenítésére szolgál. Az első argumentum az ablak neve, amelyhez tetszőleges nevet adhat, a második pedig a változó, amelyben a fő képem van tárolva, és amelyet meg szeretne jeleníteni.

Hasonlóképpen ismételje meg a lépéseket a maszkhoz

cv2.imshow ("Kimenet", maszk)

7. lépés: Most az utolsó lépés

Ebben az utolsó lépésben kinyerjük az autó és a kijelző színét.

Létrehoztam egy változó nevű eredményt. Ismét megadhat bármilyen nevet. Tehát a cv2.bitwise_and () függvényt fogjuk használni, amelyben együtt hozzáadjuk a képeket, és létrehozunk egy új képet. És bárhol is vannak a képpontok mindkét képen, azt igennek vagy "1" -nek fogja tekinteni.

eredmény = cv2.bitwise_and (átméretezés, átméretezés, maszk = maszk)

• Ebben az első érv a mi képünk lesz
• A második érv az eredeti képünk lesz, de ezt követi a korábban létrehozott maszk
• És végül csak jelenítse meg az eredményt az imshow funkció segítségével

Csak másolja be ezt az utolsó lépést, ez csak késleltetés, és kiléphet a kimeneti ablakból a billentyűzet "a" gombjának megnyomásával

8. lépés: Végső kimenetek