如何在python项目中利用opencv实现一个斑马线检测功能-创新互联
如何在python项目中利用opencv实现一个斑马线检测功能？相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
基本思路
斑马线检测通过opencv图像处理来进行灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀后对图像进行轮廓检测，通过判断车辆和行人的位置，以及他们之间的距离信息，当车速到超过一定阈值时并且与行人距离较近时，则会被判定车辆为未礼让行人。
实验流程
先通过视频截取一张图片来进行测试，如果结果满意之后再嵌套到视频中，从而达到想要的效果。
1.预处理（灰度值转换、高斯滤波去噪、阈值处理、腐蚀和膨胀）> 根据自己的需求来修改一些值
#灰度值转换 imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY) #高斯滤波去噪 imgBlur = cv2.GaussianBlur(imgGray,(5,5),0) #阈值处理 ret,thresh = cv2.threshold(imgBlur,127,255,cv2.THRESH_BINARY) #腐蚀 imgEro = cv2.erode(thresh,kernel1,iterations=2) #膨胀 imgDia = cv2.dilate(imgEro,kernel2,iterations=4)
2.轮廓检测
#轮廓检测 _,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) cnt = contouts cv2.drawContours(copy_img, cnt, -1, (0, 255, 0), 2)
可以看到这并不是我们想要的，所以我们需要判断一下位置，选取我们感兴趣的区域。
3.感兴趣区域
根据自己图片或视频的需求来更改x，y，w，h位置信息数值。
for i in cnt: #坐标赋值 x,y,w,h = cv2.boundingRect(i) #roi位置判断 if y>350 and y<450 and x<1200 and w>50 and h>10: # 画出轮廓 cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)
4.完整代码
import cv2
import numpy as np
#定义两个核 （kernel_Ero用于腐蚀，kernel_Dia用于膨胀）
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()
#原图copy修改尺寸
copy_img = cv2.resize(copy_img,(1600,800))
#灰度值转换
imgGray = cv2.cvtColor(copy_img,cv2.COLOR_BGR2GRAY)
#高斯滤波去噪
imgBlur = cv2.GaussianBlur(imgGray,(5,5),0)
#阈值处理
ret,thresh = cv2.threshold(imgBlur,127,255,cv2.THRESH_BINARY)
#腐蚀
imgEro = cv2.erode(thresh,kernel_Ero,iterations=2)
#膨胀
imgDia = cv2.dilate(imgEro,kernel_Dia,iterations=4)
#轮廓检测
_,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contouts
for i in cnt:
#坐标赋值
x,y,w,h = cv2.boundingRect(i)
#roi位置判断
if y>350 and y<450 and x<1200 and w>50 and h>10:
# 画出轮廓
cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)
cv2.imshow("img",copy_img)
cv2.waitKey(0)
cv2.destroyAllWindows()看完上述内容，你们掌握如何在python项目中利用opencv实现一个斑马线检测功能的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注创新互联行业资讯频道，感谢各位的阅读！
文章名称：如何在python项目中利用opencv实现一个斑马线检测功能-创新互联
文章起源：http://mswzjz.cn/article/cooehs.html