当前位置： 首页 > news >正文

1-7 掩膜的运用 opencv树莓派4B 入门系列笔记

news 2025/7/3 15:32:52

目录

一、提前准备

二、代码详解

num_pixels = np.sum(mask == 255)

contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

c = max(contours, key=cv2.contourArea)

x, y, w, h = cv2.boundingRect(c)

M = cv2.moments(contours[0]) if contours else None

cX = int(M["m10"] / M["m00"])

area = cv2.contourArea(contours[0]) if contours else 0

三、运行结果

四、完整代码

五、完整代码贴出

一、提前准备

        1、树莓派4B 及 64位系统

        2、提前安装opencv库 以及 numpy库

        3、保存一张图片

二、代码详解

1、图像覆盖掩膜

# 这行指定了文件的编码格式为utf-8
# coding=utf-8 import cv2
import numpy as np# 使用cv2.imread函数读取指定路径下的图片文件。第二个参数1表示读取彩色图像（BGR格式）
img = cv2.imread('/home/raspberry4B/Pictures/MD.jpg', 1)# 将图像从BGR色彩空间转换为HSV色彩空间。HSV色彩空间更适用于颜色范围检测，因为它基于色调(H)、饱和度(S)和亮度(V)。
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 定义一个NumPy数组，表示HSV色彩空间中颜色的下界。这里的数值代表色调、饱和度和亮度的最小值。 
lower_range = np.array([101, 100, 100], dtype=np.uint8)
# 定义一个NumPy数组，表示HSV色彩空间中颜色的上界。这里的数值代表色调、饱和度和亮度的最大值。  
upper_range = np.array([121, 255, 255], dtype=np.uint8)# 使用cv2.inRange函数根据指定的HSV颜色范围创建一个掩码图像。该掩码图像中，属于指定颜色范围的像素值为255（白色），其他像素值为0（黑色）。  
mask = cv2.inRange(hsv, lower_range, upper_range)

2、计算掩膜覆盖的像素

# 计算掩膜覆盖的像素
num_pixels = np.sum(mask == 255)  # 或者 np.count_nonzero(mask)  
print(f"Number of pixels in the mask: {num_pixels}")

num_pixels = np.sum(mask == 255)

  • 功能: 计算掩码图像中像素值为255的总数，即在指定颜色范围内的像素数量。
  • 参数:
    • mask == 255: 生成一个与mask大小相同的布尔数组，其中像素值为255的对应位置为True。
  • 结果: 返回符合条件的像素总数。

3、找到最大轮廓

# 使用OpenCV的findContours函数找到轮廓  通过寻找掩膜中所有非零像素的边界，您可以得到这些像素在图像中的位置。
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)   
# 假设我们只关心最大的轮廓（即最大的物体）   
if contours:  c = max(contours, key=cv2.contourArea)  x, y, w, h = cv2.boundingRect(c)  print(f"Bounding box of the object: ({x}, {y}), ({w}, {h})")

contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

  • 功能: 使用cv2.findContours函数在掩码图像中找到轮廓。
  • 参数:
    • mask: 输入的二值图像。
    • cv2.RETR_EXTERNAL: 仅检测外部轮廓，不考虑嵌套轮廓。
    • cv2.CHAIN_APPROX_SIMPLE: 压缩水平、垂直和对角直线段，保留其端点。
  • 结果: 返回的contours是一个包含所有轮廓的列表。

c = max(contours, key=cv2.contourArea)

  • 功能: 找到最大的轮廓，即具有最大面积的轮廓。
  • 参数:
    • contours: 包含所有轮廓的列表。
    • key=cv2.contourArea: 使用轮廓面积作为比较的关键字。

x, y, w, h = cv2.boundingRect(c)

  • 功能: 使用cv2.boundingRect函数为最大的轮廓计算边界框（bounding box）。
  • 参数:
    • c: 最大的轮廓。
  • 结果: 返回边界框的左上角坐标(x, y)及其宽度w和高度h。

4、计算掩膜覆盖物体的质心

# 计算掩膜中物体的质心 质心是物体所有像素的加权平均位置
M = cv2.moments(contours[0]) if contours else None  
if M != None:  cX = int(M["m10"] / M["m00"])  cY = int(M["m01"] / M["m00"])  print(f"Centroid of the object: ({cX}, {cY})")

M = cv2.moments(contours[0]) if contours else None

  • 功能: 计算轮廓的几何矩（moments）。
  • 参数:
    • contours[0]: 使用第一个（最大）轮廓。
  • 结果: 返回一个字典，包含计算出的所有几何矩。如果没有轮廓，返回None。

cX = int(M["m10"] / M["m00"])

  • 功能: 计算物体的质心（centroid）。
  • 参数:
    • M["m10"]: 几何矩中的m10，即第一阶的x方向矩。
    • M["m00"]: 几何矩中的m00，即零阶矩（面积）。
  • 结果: 计算出质心的x坐标cX。

 5、计算掩膜物体的面积

# 计算掩膜中物体的面积 这可以通过计算掩膜中非零像素的数量来实现
area = cv2.contourArea(contours[0]) if contours else 0  
print(f"Area of the object: {area}")

area = cv2.contourArea(contours[0]) if contours else 0

  • 功能: 使用cv2.contourArea函数计算轮廓的面积。
  • 参数:
    • contours[0]: 使用第一个（最大）轮廓。
  • 结果: 返回轮廓的面积。

 6、主函数

# 使用cv2.imshow函数显示掩码图像，窗口标题为'mask'。  
cv2.imshow('mask',mask)
# 使用cv2.imshow函数显示原始图像（经过缩放和色彩空间转换后），窗口标题为'image'。  
cv2.imshow('image', img)while(1):
#等待用户按键，按下‘q’就释放资源退出程序key=cv2.waitKey(1)if key&0XFF==ord('q'):breakcv2.destroyAllWindows()

三、运行结果

四、完整代码

# 这行指定了文件的编码格式为utf-8
# coding=utf-8 import cv2
import numpy as np# 使用cv2.imread函数读取指定路径下的图片文件。第二个参数1表示读取彩色图像（BGR格式）
img = cv2.imread('/home/raspberry4B/Pictures/MD.jpg', 1)# 使用cv2.resize函数调整图像大小。这里，目标宽度和高度被设置为(0,0)，表示将按照给定的缩放因子fx和fy来缩放图像。  
# fx=0.2和fy=0.2表示图像在水平和垂直方向上都将缩小到原来的20%。 
#img = cv2.resize(img, (0,0), fx=0.2, fy=0.2)# 将图像从BGR色彩空间转换为HSV色彩空间。HSV色彩空间更适用于颜色范围检测，因为它基于色调(H)、饱和度(S)和亮度(V)。
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 定义一个NumPy数组，表示HSV色彩空间中颜色的下界。这里的数值代表色调、饱和度和亮度的最小值。 
lower_range = np.array([101, 100, 100], dtype=np.uint8)
# 定义一个NumPy数组，表示HSV色彩空间中颜色的上界。这里的数值代表色调、饱和度和亮度的最大值。  
upper_range = np.array([121, 255, 255], dtype=np.uint8)# 使用cv2.inRange函数根据指定的HSV颜色范围创建一个掩码图像。该掩码图像中，属于指定颜色范围的像素值为255（白色），其他像素值为0（黑色）。  
mask = cv2.inRange(hsv, lower_range, upper_range)# 计算掩膜覆盖的像素
num_pixels = np.sum(mask == 255)  # 或者 np.count_nonzero(mask)  
print(f"Number of pixels in the mask: {num_pixels}")# 使用OpenCV的findContours函数找到轮廓  通过寻找掩膜中所有非零像素的边界，您可以得到这些像素在图像中的位置。
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)   
# 假设我们只关心最大的轮廓（即最大的物体）   
if contours:  c = max(contours, key=cv2.contourArea)  x, y, w, h = cv2.boundingRect(c)  print(f"Bounding box of the object: ({x}, {y}), ({w}, {h})")# 计算掩膜中物体的质心 质心是物体所有像素的加权平均位置
M = cv2.moments(contours[0]) if contours else None  
if M != None:  cX = int(M["m10"] / M["m00"])  cY = int(M["m01"] / M["m00"])  print(f"Centroid of the object: ({cX}, {cY})")# 计算掩膜中物体的面积 这可以通过计算掩膜中非零像素的数量来实现
area = cv2.contourArea(contours[0]) if contours else 0  
print(f"Area of the object: {area}")# 使用cv2.imshow函数显示掩码图像，窗口标题为'mask'。  
cv2.imshow('mask',mask)
# 使用cv2.imshow函数显示原始图像（经过缩放和色彩空间转换后），窗口标题为'image'。  
cv2.imshow('image', img)while(1):
#等待用户按键，按下‘q’就释放资源退出程序key=cv2.waitKey(1)if key&0XFF==ord('q'):breakcv2.destroyAllWindows()

五、完整代码贴出

（持续更新中）opencv树莓派4B入门系列笔记6~10完整工程源码资源-CSDN文库

持续更新中……

http://www.lryc.cn/news/432479.html

相关文章：

  • EG边缘计算网关连接华为云物联网平台（MQTT协议）
  • List中常见的方法和五种遍历方式
  • 华为 HCIP-Datacom H12-821 题库 (8)
  • 12. GIS地图制图工程师岗位职责、技术要求和常见面试题
  • ORACLE 统计信息的备份与恢复
  • 2. GIS数据工程师岗位职责、技术要求和常见面试题
  • Spark MLlib模型训练—文本算法 LDA(Latent Dirichlet Allocation)
  • C++ ─── List的模拟实现
  • Spring Boot详解
  • Proxfier+burpsuite抓包配置问题
  • sqli-lab靶场学习（一）——Less1-4
  • el-select如何同时获取value和label？
  • 1.初识ChatGPT：AI聊天机器人的革命（1/10）
  • API安全 | 发现API的5个小tips
  • 数据结构---单向链表
  • 基于STM32设计的ECG+PPG人体参数测量系统(华为云IOT)(217)
  • SpringBoot教程（十五） | SpringBoot集成RabbitMq（死信队列、延迟队列）
  • Dubbo依赖包
  • webGIS后端程序员学习路线
  • OpenCV绘图函数（15）图像上绘制矩形函数 rectangle()的使用
  • 从零开始，认识游戏设计师（4）体验源于设计师②
  • 周末总结(2024/09/07)
  • MySQL数据库的SQL注入漏洞解析
  • Redis进阶(七):分布式锁
  • Python 中考虑 concurrent.futures 实现真正的并行计算
  • 【C++多线程编程】 线程安全与对象生命周期管理
  • 【系统架构设计师-2024年-上半年】综合知识-答案及详解
  • MATLAB 中的对数计算
  • 详解 HTTPS 与 TLS证书链校验
  • 新手做短视频素材在哪里找？做短视频素材工具教程网站有哪些？