目录
流程
一、采用轮廓的方式检测橘子位置
（一）滚动条获取阈值
（二）获取到图像中的包围橘子对应的白色图形的最小矩形框的信息
二、获取橘子检测框的质心
三、将质心送入卡尔曼滤波器，获取下一次的质心位置
四、绘图质心中心的圆圈，让效果直观显示出来
流程
step1:获取橘子的检测框
step2:求取橘子的质心
step3:将质心送入卡尔曼滤波器，获取到预测的下一次橘子的质心位置
一、采用轮廓的方式检测橘子位置
步骤：
- 采用OpenCV滚动条来确定阈值
- 设置高低阈值，利用inRange函数，将图像转为二值图，为方便之后的轮廓提取
- 使用findContours函数，提取二值图中所有的轮廓，并采用cv2.RETR_TREE，建立轮廓等级树
- 等级树初始是升序，我们要获取最大的那个轮廓，那么就进行sort降序排序
- 最后，第一个轮廓的最小外边框的参数就可以用boundingRect获取到了
（一）滚动条获取阈值
视频中截图的一张带有橘子的图
代码
import cv2
import numpy as np
def nothing(x):
pass
cv2.namedWindow('image')
cv2.createTrackbar('a','image',0,255,nothing)
cv2.createTrackbar('b','image',0,255,nothing)
cv2.createTrackbar('c','image',0,255,nothing)
cv2.createTrackbar('d','image',0,255,nothing)
cv2.createTrackbar('e','image',0,255,nothing)
cv2.createTrackbar('f','image',0,255,nothing)
frame = cv2.imread('orange.jpg')
frame = cv2.resize(frame,(700,400))
while True:
a = cv2.getTrackbarPos('a', 'image')
b = cv2.getTrackbarPos('b', 'image')
c = cv2.getTrackbarPos('c', 'image')
d = cv2.getTrackbarPos('d', 'image')
e = cv2.getTrackbarPos('e', 'image')
f = cv2.getTrackbarPos('f', 'image')
hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
low_orange = np.array([a, b, c])
high_orange = np.array([d, e, f])
mask = cv2.inRange(hsv_img, low_orange, high_orange)
cv2.imshow('image',mask)
k = cv2.waitKey(1)&0xff
if k==27:
break
（二）获取到图像中的包围橘子对应的白色图形的最小矩形框的信息
检测橘子轮廓最小外边框代码
import cv2
import numpy as np
class OrangeDetector:
def __init__(self):
self.low_orange = np.array([10, 152, 89])
self.high_orange = np.array([180, 255, 255])
def detect(self, frame):
hsv_img = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv_img, self.low_orange, self.high_orange)
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=lambda x: cv2.contourArea(x), reverse=True)
box = (0, 0, 0, 0)
for cnt in contours:
(x, y, w, h) = cv2.boundingRect(cnt)
box = (x, y, x + w, y + h)
break
return box二、获取橘子检测框的质心
od = OrangeDetector()
orange_bbox = od.detect(frame)
x, y, x2, y2 = orange_bbox
cx = int((x + x2) / 2)
cy = int((y + y2) / 2)三、将质心送入卡尔曼滤波器，获取下一次的质心位置
predicted = kf.predict(cx, cy)四、绘图质心中心的圆圈，让效果直观显示出来
卡尔曼滤波预测代码
import cv2
from orange_detector import OrangeDetector
from kalmanfilter import KalmanFilter
cap = cv2.VideoCapture("orange.mp4")
od = OrangeDetector()
kf = KalmanFilter()
while True:
ret, frame = cap.read()
if ret is False:
break
orange_bbox = od.detect(frame)
x, y, x2, y2 = orange_bbox
cx = int((x + x2) / 2)
cy = int((y + y2) / 2)
predicted = kf.predict(cx, cy)
cv2.circle(frame, (cx, cy), 20, (0, 0, 255), 4)
cv2.circle(frame, (predicted[0], predicted[1]), 20, (255, 0, 0), 4)
cv2.imshow("Frame", frame)
key = cv2.waitKey(10)
if key == 27:
break
