树莓派CSI摄像头使用python调用opencv库函数进行运动检测识别
目录
一、完成摄像头的调用
二、利用python调用opencv库函数对图像进行处理
2.1 图像处理大体流程
2.2 opencv调用函数的参数以及含义
2.2.1 ret, img = cap.read() 读取帧图像
2.2.2 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 灰度图像
2.2.3 gray_diff_img = cv2.absdiff(gray_img, previous_img) 帧差法
2.2.4 cv2.threshold (src, thresh, maxval, type) 二值化处理
2.2.5 cv2.medianBlur(src, ksize) 中值滤波
2.2.6 np.ones(shape, dtype=None, order='C')
2.2.7 cv2.morphologyEx(src, op, kernel)
2.2.8 cv2.findContours(image,mode,method)
2.2.9 cv2.contourArea() 求轮廓面积
2.2.10 cv2.boundingRect() 返回轮廓框框坐标
2.2.11 cv2.rectangle() 坐标连线，框出轮廓
2.2.12 cv2.imshow() 窗口显示图像
三、处理代码
一、完成摄像头的调用
如果不会具体操作的请看
树莓派调用CSI摄像头进行实时监控
二、利用python调用opencv库函数对图像进行处理
2.1 图像处理大体流程
(1) 打开摄像头设备
(2) 图像进行帧处理（一帧一帧处理），while循环中，先读取摄像头一帧图像
(3) 灰度图像处理，判断上一帧图像是否为空。若为空，赋予一帧图像并进行图像灰度处理；若不为空，则也进行图像灰度处理。
(4) 帧差法，利用上一帧图像和这一帧图像作差值处理。
(5) 二值化图像处理，对进行帧差法后的图像作二值化处理。
(6) 中值滤波处理
(7) 闭运算，腐蚀，膨胀处理。
(8) 对运动图像进行轮廓检测，返回坐标集
(9) 利用坐标框选目标。
(10) 显示图像，将处理完的图像变为上一帧图像。
2.2 opencv调用函数的参数以及含义
2.2.1 ret, img = cap.read() 读取帧图像
cap 是你摄像头设备0捕获的摄像头图像数据( 例: cap = cv2.VideoCapture(0) );
read()是opencv库函数读取摄像头一帧图像，cap.read() 就是获取摄像头设备0读取的一帧图像；
img 就是摄像头设备0读取的一帧图像,图像格式为BGR；
ret 就是bool类型，读取成功返回True，失败则是Flase.
2.2.2 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 灰度图像
img：传入转换的图片。
cv2.COLOR_BGR2GRAY：将格式为BGR的图片转换为灰度图片。
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) gray就是转换成功的灰度图片
2.2.3 gray_diff_img = cv2.absdiff(gray_img, previous_img) 帧差法
cv2.absdiff(a,b) : a,b均为一帧图像。
比较二帧图像不同之处(例如：运动检测时，只有运动的物体会运动，而背景则不动，cv2.absdiff(a,b)得到的是去除背景的运动物体的图片)。gray_diff_img则是二帧处理后的一帧图像。
2.2.4 cv2.threshold (src, thresh, maxval, type) 二值化处理
src：传入的一帧图像。
thresh：阈值（数值范围0-255，根据光照强度选择）
maxval：填充色（数值范围0-255，二值化图像一般都选255）
type：如下图
thresh_img = cv2.threshold(gray_diff_img, 40, 255, cv2.THRESH_BINARY)
得到的二值化图像thresh_img
2.2.5 cv2.medianBlur(src, ksize) 中值滤波
src 是需要处理的图像。
ksize 是滤波核的大小。滤波核大小是指在滤波处理过程中其邻域图像的高度和宽度。需要注意，核大小必须是比1大的奇数，比如3、5、7等。
例：mask_img = cv2.medianBlur(thresh_img, 3)
2.2.6 np.ones(shape, dtype=None, order='C')
shape：是一个int或一个int元组，用于定义数组的大小。
dtype：是一个可选参数，默认值为float。 它用于指定数组的数据类型，例如int。
order：该顺序定义是在内存中以行优先（C风格）还是列优先（Fortran风格）顺序存储多维数组。我们不用写，默认即可。
例：k = np.ones((3, 3), np.uint8)
大小为1的(1,1)的小矩阵为一个单位，构成3行3列大矩阵，类型为uint8。（具体干嘛用的，我也不是很清除，猜测大概就是表示图像大小）
2.2.7 cv2.morphologyEx(src, op, kernel)
src：是需要处理的图像。
op：
cv2.MORPH_OPEN：开运算，对图像先进行腐蚀再膨胀，等同于dilate(erode(src,kernal))，开运算对图像的边界进行平滑、去掉凸起等
cv2.MORPH_CLOSE：闭运算，对图像先进行膨胀在腐蚀，等同于erode(dilate(src,kernal))，闭运算用于填充图像内部的小空洞、填充图像的凹陷等
kernel：输入一个数组作为核，表示图像大小。（我也不是很懂）
例 close = cv2.morphologyEx(mask_img, cv2.MORPH_CLOSE, k)
2.2.8 cv2.findContours(image,mode,method)
image ：代表输入的图片。注意输入的图片必须为二值图片。若输入的图片为彩色图片，必须先进行灰度化和二值化。
mode ： 表示轮廓的检索模式，有4种：
cv2.RETR_EXTERNAL 表示只检测外轮廓。
cv2.RETR_LIST 检测的轮廓不建立等级关系。
cv2.RETR_CCOMP 建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE 建立一个等级树结构的轮廓。
method： 为轮廓的近似办法，有4种：
cv2.CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））<=1。
cv2.CHAIN_APPROX_SIMPLE 压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。
cv2.CHAIN_APPROX_TC89_L1 和 cv2.CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。
函数返回值contours：返回几个轮廓（返回几个运动物体框框），每个轮廓的单位是点集（即轮廓大小）
例：cnts = cv2.findContours(close_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
2.2.9 cv2.contourArea() 求轮廓面积
2.2.10 cv2.boundingRect() 返回轮廓框框坐标
x, y, w, h = cv2.boundingRect(c) ，x,y,w,h为轮廓的坐标长度，c为contours的子集
2.2.11 cv2.rectangle() 坐标连线，框出轮廓
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
图片，长方形框左上角坐标, 长方形框右下角坐标， 字体颜色，字体粗细
2.2.12 cv2.imshow() 窗口显示图像
cv2.imshow("name", img) "name" 为窗口名字，img为窗口显示图像。
三、处理代码
import cv2
import time
import numpy as npdef videos():cap = cv2.VideoCapture(0)cap.set(3, 640)cap.set(4, 480)cap.set(5,40)img_num = 0k = np.ones((3, 3), np.uint8) while True:ret, img = cap.read()if not img_num:previous = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)gray_diff = cv2.absdiff(gray, previous) thresh = cv2.threshold(gray_diff, 40, 255, cv2.THRESH_BINARY)[1] mask = cv2.medianBlur(thresh, 3) close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, k) cnts = cv2.findContours(close,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)[0] for c in cnts: area = cv2.contourArea(c)if area > 200:x, y, w, h = cv2.boundingRect(c)cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.imshow("thresh_img", close)cv2.imshow("Result", img)img_num += 1if cv2.waitKey(1) & 0xFF == ord('q'):breakvideos()左上角因为阳光问题所以出现一点白。
