红路灯识别

news2024/11/10 15:38:17

1.截图图像中的目标对象

1.1 查找边界矩形

1.1.1直边界矩形

一个直矩形(就是没有旋转的矩形)。它不会考虑对象是否旋转。所以边界矩形的面积不是最小的。

cv2.boundingRect(array)
输入:点集
输出:(x,y)为矩形左上角的坐标,(w,h)是矩形的宽和高。

1.1.2旋转的边界矩形

这个边界矩形是面积最小的,因为它考虑了对象的旋转

cv2.minAreaRect(points)  # 得到最小外接矩形的(中心(x,y), (宽,高), 旋转角度)
输入:点集
输出:返回的是一个Box2D 结构,其中包含矩形左上角角点的坐标(x,y),矩形的宽和高(w,h),以及旋转角度。

 注意:

  • 旋转角度θ是水平轴(x轴)逆时针旋转,直到碰到矩形的第一条边停住,此时该边与水平轴的夹角。并且这个边的边长是width,另一条边边长是height。也就是说,在这里,width与height不是按照长短来定义的。
  • 在opencv中,坐标系原点在左上角,相对于x轴,逆时针旋转角度为负,顺时针旋转角度为正。所以,θ∈(-90度,0]。

1.1.3给出矩形的4 个角点

cv2.boxPoints(box, points=None)
输入:一个Box2D 结构
输出:x1,y1,x2,y2

1.2绘制矩形

1.2.1绘制直边界矩形

1.2.2绘制旋转的边界矩形

1.3 图像旋转

1.3.1构造旋转矩阵

# 这里的第一个参数为旋转中心,第二个为旋转角度,第三个为旋转后的缩放因子
# 可以通过设置旋转中心,缩放因子,以及窗口大小来防止旋转后超出边界的问题
M=cv2.getRotationMatrix2D((cols/2,rows/2),45,0.6)

1.3.2执行图像几何变换

# 第三个参数是输出图像的尺寸中心
dst=cv2.warpAffine(img,M,(2*cols,2*rows))

1.4图像截取

坐标值,感兴趣区域都为整形变量

getRectSubPix(image, patchSize, center, patch=None, patchType=None)
输入:InputArray image:输入图像

      Size patchSize:获取感兴趣区域矩形的大小

      Point2f center:感兴趣区域矩形在原图像中的位置(即感兴趣区域矩形的中心点坐标)
输出:截取后的图像

1.5 模板匹配

2 获取指定颜色的物体

2.1色域转变为HSV

cv2.cvtColor(img2,cv2.COLOR_BGR2HSV)

2.2 获取相关颜色的HSV值

通过鼠标触发获取相关位置的HSV值

img=cv2.imread("D:\\video_data\\ocr7.PNG")
img_hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
def mouse_click(event, x, y, flags, para):
    if event == cv2.EVENT_LBUTTONDOWN:  # 左边鼠标点击
        print("HSV:", img_hsv[y, x])
if __name__ == '__main__':
    cv2.namedWindow("img")
    cv2.setMouseCallback("img", mouse_click)
    while True:
        cv2.imshow('img', img)
        if cv2.waitKey() == ord('q'):
            break
    cv2.destroyAllWindows()

2.3 进行二值化图像处理

cv2.inRange(src,lowerb, upperb)
输入:src :HSV图像,
       lowerb:hsv值域下限, 
        upperb:hsv值域上限
输出:二值化后的图像

3.轮廓识别

3.1 轮廓检测

cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
三个参数,第一个是输入图像,第二个是轮廓检索模式,
第三个是轮廓近似方法{cv2.CHAIN_APPROX_NONE:所有的边界点都会被存储,
                    cv2.CHAIN_APPROX_SIMPLE:将轮廓上的冗余点都去掉,压缩轮廓}
返回值有两个,第一个是轮廓,第二个是(轮廓的)层析结构

3.2 轮廓绘制

drawContours(image, contours, contourIdx, color)
它的第一个参数是原始图像,第二个参数是轮廓,一个Python 列表。第三个参数是轮廓的索引(在绘制独立轮廓是很有用,当设置为-1 时绘制所有轮廓)。接下来的参数是轮廓的颜色和厚度

3.3 轮廓特征

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1135741.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

领域高口碑 | 中科院1区TOP,Elsevier出版社,仅1个月Accept!稳定检索40年!

【SciencePub学术】本期,小编给大家推荐的是一本Elsevier旗下、稳定检索40年、影响因子为10.0的中科院1区TOP刊,期刊详情及专题信息如下: 期刊简介 COMPUTERS IN INDUSTRY ISSN:0166-3615 E-ISSN:1872-6194 IF&a…

第二证券:全产业链迎利好 大基建板块掀涨停潮

受增发国债利好音讯提振,大基建板块25日迎来爆发,水利、水泥制造、基建、工程器械、钢铁、修建等方向全线大涨,多只股票触及涨停。业内人士以为,进行年内预算调整并增发国债,将对A股商场投资者的整体心境有所提振。 大…

宝塔面板 - 404 Not Found(Nginx)

面板提示 404 可能是丢失面板安全入口,具体您可以在服务器命令下先执行 bt,然后选择 14 命令重新获取面板URL地址 安全入口验证信息,重新登录就行。

python自动化测试(二):xpath获取元素

目录 前置代码 一、什么是xpath方式 二、通过xpath 单组属性名属性值 的方式进行元素定位 三、通过xpath的多组属性进行元素的定位 四、通过xpath文本值的方式进行元素定位 五、通过模糊的文本值方式进行元素定位 前置代码 # codingutf-8 from selenium import webdrive…

第88步 时间序列建模实战:ARIMA组合模型

基于WIN10的64位系统演示 一、写在前面 这一期,我们介绍基于ARIMA的组合模型。 (1)数据源: 《PLoS One》2015年一篇题目为《Comparison of Two Hybrid Models for Forecasting the Incidence of Hemorrhagic Fever with Renal…

电脑f盘文件凭空消失了怎么恢复?别慌,这里有五种方法

在使用电脑的过程中,我们可能会遇到F盘文件突然凭空消失的情况,这不仅会给我们带来困扰,而且可能造成重要文件的丢失。但是,即使文件消失了,我们仍然有可能通过一些方法恢复这些文件。本文将介绍如何有效恢复电脑F盘文…

【AICFD案例操作】溃坝过程模拟

AICFD是由天洑软件自主研发的通用智能热流体仿真软件,用于高效解决能源动力、船舶海洋、电子设备和车辆运载等领域复杂的流动和传热问题。软件涵盖了从建模、仿真到结果处理完整仿真分析流程,帮助工业企业建立设计、仿真和优化相结合的一体化流程&#x…

2023年【安徽省安全员C证】考试技巧及安徽省安全员C证复审模拟考试

题库来源:安全生产模拟考试一点通公众号小程序 2023年【安徽省安全员C证】考试技巧及安徽省安全员C证复审模拟考试,包含安徽省安全员C证考试技巧答案和解析及安徽省安全员C证复审模拟考试练习。安全生产模拟考试一点通结合国家安徽省安全员C证考试最新大…

数据结构之队列(源代码➕图解➕习题)

前言 在学过栈之后,会了解到栈的底层是根据顺序表或者链表来构建的,那么我们今天要学习的队列是否也是基于顺序表和链表呢?那我们直接进入正题吧! 1. 队列的概念(图解) 还是跟上节一样,依旧用图…

生成式人工智能在软件开发过程现代化中的作用

集成人工智能的独特功能可以在软件开发生命周期(SDLC)的每个阶段为开发人员提供帮助,从业务需求分析和创建敏捷的用户故事到软件设计、编码、测试、部署、监控和维护。这是组织可以使用生成式人工智能进行优化的地方。 近年来,软件工程见证了向增强自动化…

g++ 命令行编译

一.创建项目并编译和执行 要创建的项目的结构 创建main.cpp # 创建一个项目 sudo mkdir GCC_Demo_swap# 进入该项目 cd GCC_Demo_swap # 创建该项目的主程序 sudo vim main.cpp#include <iostream> #include "swap.h" using namespace std;int main(int ar…

05 | 类型匹配:怎么切除臃肿的强制转换

Java 的模式匹配是一个新型的、而且还在持续快速演进的领域。类型匹配是模式匹配的一个规范。类型匹配这个特性&#xff0c;首先在 JDK 14 中以预览版的形式发布。在 JDK 15 中&#xff0c;改进的类型匹配再次以预览版的形式发布。最后&#xff0c;类型匹配在 JDK 16 正式发布。…

管理类联考——数学——汇总篇——知识点突破——数据分析——记忆

文章目录 考点记忆/考点汇总——按大纲 整体目录大纲法记忆宫殿法绘图记忆法 局部数字编码法对号不对号 归类记忆法重点记忆法歌决记忆法口诀&#xff1a;加法分类&#xff0c;类类相加&#xff1b;乘法分步&#xff0c;步步相乘。 谐音记忆法涂色 理解记忆法比较记忆法转图像记…

TikTok商店的未来:马来西亚建议与全球挑战

TikTok商店一直以来备受关注&#xff0c;但最近在马来西亚引发了一场有关其发展方向和地方利益的争议。10月11日&#xff0c;马来西亚电子商务委员会主席 Ganesh Kumar Bangah就TikTok Shop 在马来西亚的问题进行了讨论。他指出禁止TikTok商店将严重影响许多当地中小企业、创造…

Leetcode—7.整数反转【中等】

2023每日刷题&#xff08;十&#xff09; Leetcode—7.整数反转 关于为什么要设long变量 参考自这篇博客 long可以表示-2147483648而且只占4个字节&#xff0c;所以能满足题目要求 复杂逻辑版实现代码 int reverse(int x){int arr[32] {0};long y;int flag 1;if(x <…

【23真题】准考证抄出来的题目,还原度99%以上!

今天分享的是23年成都信息工程大学803的信号与系统试题及解析。 还记得22年版本是东拼西凑&#xff0c;只是通过知识点还原的类题。今年多亏去年考研的同学&#xff0c;帮我在准考证抄出来了一份&#xff0c;让我可以帮助大家做解析&#xff01;这份真题虽然也是回忆版&#x…

java时间解析生成定时Cron表达式工具类

Cron表达式工具类CronUtil 构建Cron表达式 /****方法摘要&#xff1a;构建Cron表达式*param taskScheduleModel*return String*/public static String createCronExpression(TaskScheduleModel taskScheduleModel){StringBuffer cronExp new StringBuffer("");if(…

PLC、触摸屏、上位机之间如何实现无线数据交互功能?

本文以组态王与西门子触摸屏和2台西门子S7-200SMART为例&#xff0c;介绍组态王、触摸屏与多台 PLC在Profinet协议下的自组网无线通信实现过程。在本方案中采用了西门子PLC无线通讯终端——DTD418M&#xff0c;作为实现无线通讯的硬件设备。我们无需更改网络参数和原有程序&…

Talk | 香港科技大学博士生叶汉荣:面向2D/3D场景理解的多任务学习

本期为TechBeat人工智能社区第540期线上Talk&#xff01; 北京时间10月25日(周三)20:00&#xff0c;香港科技大学博士生—叶汉荣的Talk已准时在TechBeat人工智能社区开播&#xff01; 他与大家分享的主题是: “面向2D/3D场景理解的多任务学习”&#xff0c;分享了他的团队在多任…

小白必看!画出自己第一个界面,PyQt5安装以及使用

目录 1&#xff0c;介绍 2&#xff0c;windows安装 安装PyQt5-tools 设置环境变量 验证是否安装成功 QT Designer 3&#xff0c;Mac平台安装 安装PyQt5 安装 Qt Creater 验证是否安装成功 4&#xff0c;使用 PyCharm 开发 4.1 新建工程 4.2 添加外部工具 hellowo…