快捷導(dǎo)航

基于python的opencv圖像處理實(shí)現(xiàn)對(duì)斑馬線的檢測(cè)示例

更新時(shí)間：2020年11月29日 17:02:30 作者：舔狗小明

這篇文章主要介紹了基于python的opencv圖像處理實(shí)現(xiàn)對(duì)斑馬線的檢測(cè)示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

基本思路

斑馬線檢測(cè)通過(guò)opencv圖像處理來(lái)進(jìn)行灰度值轉(zhuǎn)換、高斯濾波去噪、閾值處理、腐蝕和膨脹后對(duì)圖像進(jìn)行輪廓檢測(cè)，通過(guò)判斷車(chē)輛和行人的位置，以及他們之間的距離信息，當(dāng)車(chē)速到超過(guò)一定閾值時(shí)并且與行人距離較近時(shí)，則會(huì)被判定車(chē)輛為未禮讓行人。

在這里插入圖片描述

結(jié)果示例

在這里插入圖片描述

實(shí)驗(yàn)流程

先通過(guò)視頻截取一張圖片來(lái)進(jìn)行測(cè)試，如果結(jié)果滿意之后再嵌套到視頻中，從而達(dá)到想要的效果。

1.預(yù)處理（灰度值轉(zhuǎn)換、高斯濾波去噪、閾值處理、腐蝕和膨脹）> 根據(jù)自己的需求來(lái)修改一些值

#灰度值轉(zhuǎn)換
imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY)
#高斯濾波去噪
imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)
#閾值處理
ret,thresh = cv2.threshold(imgBlur,127,255,cv2.THRESH_BINARY)
#腐蝕
imgEro = cv2.erode(thresh,kernel1,iterations=2)
#膨脹
imgDia = cv2.dilate(imgEro,kernel2,iterations=4)

預(yù)處理之后（如下圖所示）：

在這里插入圖片描述

2.輪廓檢測(cè)

#輪廓檢測(cè)
_,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contouts
cv2.drawContours(copy_img, cnt, -1, (0, 255, 0), 2)

全部的輪廓（如下圖所示）

在這里插入圖片描述

可以看到這并不是我們想要的，所以我們需要判斷一下位置，選取我們感興趣的區(qū)域。

3.感興趣區(qū)域

根據(jù)自己圖片或視頻的需求來(lái)更改x，y，w，h位置信息數(shù)值。

for i in cnt:
  #坐標(biāo)賦值
  x,y,w,h = cv2.boundingRect(i)
  #roi位置判斷
  if y>350 and y<450 and x<1200 and w>50 and h>10:
    # 畫(huà)出輪廓
    cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)

獲取roi后完整結(jié)果（如下圖所示）

在這里插入圖片描述

4.完整代碼

import cv2
import numpy as np
#定義兩個(gè)核	（kernel_Ero用于腐蝕，kernel_Dia用于膨脹）
kernel_Ero = np.ones((3,1),np.uint8)
kernel_Dia = np.ones((3,5),np.uint8)

img = cv2.imread("../images/bmx.png")
copy_img = img.copy()
#原圖copy修改尺寸
copy_img = cv2.resize(copy_img,(1600,800))
#灰度值轉(zhuǎn)換
imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY)
#高斯濾波去噪
imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)
#閾值處理
ret,thresh = cv2.threshold(imgBlur,127,255,cv2.THRESH_BINARY)
#腐蝕
imgEro = cv2.erode(thresh,kernel_Ero,iterations=2)
#膨脹
imgDia = cv2.dilate(imgEro,kernel_Dia,iterations=4)

#輪廓檢測(cè)
_,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contouts

for i in cnt:
  #坐標(biāo)賦值
  x,y,w,h = cv2.boundingRect(i)
  #roi位置判斷
  if y>350 and y<450 and x<1200 and w>50 and h>10:
    # 畫(huà)出輪廓
    cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)

cv2.imshow("img",copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

總結(jié)

在業(yè)務(wù)需求中這種流程做出來(lái)的結(jié)果并不可行，只不過(guò)是把想要的東西框了出來(lái)，但是如果想要對(duì)交通場(chǎng)景判別機(jī)動(dòng)車(chē)是否禮讓行人行為的話則需要對(duì)坐標(biāo)進(jìn)行判斷，可以通過(guò)從第一個(gè)斑馬線的坐標(biāo)到最后一個(gè)斑馬線的坐標(biāo)(橫向)來(lái)畫(huà)出一個(gè)大的矩形框(roi區(qū)域)，然后根據(jù)這個(gè)矩形框的坐標(biāo)來(lái)對(duì)機(jī)動(dòng)車(chē)(已有坐標(biāo))坐標(biāo)來(lái)進(jìn)行行為判斷，從而達(dá)到需求。

最后?。?！

第一次接觸opencv！所以請(qǐng)各位視覺(jué)領(lǐng)域的大佬們勿噴我這個(gè)小菜雞?。?狗頭）

代碼量非常少，無(wú)泛化能力，很low的一種做法。。。不過(guò)對(duì)于小白的我來(lái)說(shuō)學(xué)習(xí)opencv還是很有幫助滴！干就完了！奧利給！

到此這篇關(guān)于基于python的opencv圖像處理實(shí)現(xiàn)對(duì)斑馬線的檢測(cè)示例的文章就介紹到這了,更多相關(guān)opencv 斑馬線檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: