cam shift算法

import cv2
import numpy as np
import matplotlib.pyplot as plt
import time


xs,ys,ws,hs = 0,0,0,0  #selection.x selection.y
xo,yo=0,0 #origin.x origin.y
selectObject = False
trackObject = 0         #追踪目标，0代表没有，1代表有，-1代表需要更新目标

#鼠标移动时会进入这个函数
def onMouse(event, x, y, flags, prams): 
    global xs,ys,ws,hs,selectObject,xo,yo,trackObject
    #实时更新鼠标捕捉矩形大小，设置左上角为起点坐标
    if selectObject == True:
        xs = min(x, xo)
        ys = min(y, yo)
        ws = abs(x-xo)
        hs = abs(y-yo)
    if event == cv2.EVENT_LBUTTONDOWN:  #按下
        xo,yo = x, y                    #按下时的origin坐标                     
        xs,ys,ws,hs= x, y, 0, 0         #矩形大小初始化
        selectObject = True             #标记开始选中
    elif event == cv2.EVENT_LBUTTONUP:  #松开
        selectObject = False
        if((ws>0) and (hs>0)):
            trackObject = -1                #需要追踪目标

cap = cv2.VideoCapture("C:\\Users\\Shine\\Desktop\\split.mkv")
#cap = cv2.VideoCapture(0)
ret,frame = cap.read()
cv2.namedWindow('origin')   #新建一个窗口
cv2.setMouseCallback('origin',onMouse)  
# 设置终止条件，满足误差、迭代10次或者至少移动1次
term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 )

while(True):
    time_start=time.time()
    #frame = cv2.imread("C:\\Users\\Shine\\Desktop\\4.jpg")
    if trackObject != 0:
        ret,frame = cap.read()
        #hsv的图像颜色/2
        hsv =  cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)   #BGR2HSV
        #cv2.imshow('hsv',hsv)
        #Hue代表颜色（0-180：RGB角度对应颜色），Saturation代表颜色浓度（0-255：白色-彩色），Value代表亮度（0-255：黑色-彩色）
        #CV_BGR2HSV 在转换图像的时候是将 H / 2  --->  H 
        #图像中色相H的取值范围为 0-360 ，所以利用opencv转换之后得到的H的范围为 0-180
        mask = cv2.inRange(hsv, np.array((0., 30.,10.)), np.array((180.,256.,255.)))    #阈值分割
        #mask = cv2.inRange(hsv, np.array((0., 0.,0.)), np.array((255.,255.,255.)))    #阈值分割
        #cv2.imshow('mask',mask)
        if trackObject == -1:
            track_window=(xs,ys,ws,hs)  #更新捕捉窗口的坐标
            maskroi = mask[ys:ys+hs, xs:xs+ws]  #在mask图像中截取track_window
            hsv_roi = hsv[ys:ys+hs, xs:xs+ws]   #在hsv图像中截取track_window
            print(hsv_roi)  #输出selectObject的HSV值
            #cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist
            roi_hist = cv2.calcHist([hsv_roi],
                [0],    #计算直方图的通道，这里使用颜色计算直方图，所以就直接使用第一个通道；
                maskroi,
                [180],  #直方图分成180份
                [0.,180.])#表示直方图中需要统计的各个像素的值，[0.0, 180.0]表示直方图能表示RGB所有颜色。
            
            #作直方图原图（因为没有归一化，最后的值会很大）
            # roi_hist_f=roi_hist.flatten()   #value转成list
            # plt.bar(range(0,len(roi_hist_f)*2,2), roi_hist_f) #显示方便，这里x轴*2，间隔也*2
            cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX) #线性归一化
            roi_hist_f=roi_hist.flatten()   #value转成list
            plt.bar(range(0,len(roi_hist_f)*2,2), roi_hist_f) #显示方便，这里x轴*2，间隔也*2
            plt.show()
            trackObject = 1
        #计算反向投影，即计算输入图像中和选中部分直方图极值相同的区域，并该区域标记
        dst = cv2.calcBackProject([hsv], [0], roi_hist, [0, 180], 1)
        dst &= mask  #过滤掉原图中色彩不鲜明的部分
        cv2.imshow('dst2',dst)
        #arg：输入图像；追踪目标初始矩形区域；算法结束条件
        ret, track_window = cv2.CamShift(dst, track_window, term_crit)
        pts = cv2.boxPoints(ret)    #生成最小外接矩形
        pts = np.int0(pts)          #坐标值变成整数
        #画线标记 arg：原图，顶点坐标，闭合曲线，BGR画线颜色，线宽
        cv2.polylines(frame,[pts],True,(255,255,0),2)   
        #如果正在标选区域，需要将之前标记时反色区域再反回来
    if selectObject == True and ws>0 and hs>0:
        cv2.imshow('selectObject',frame[ys:ys+hs,xs:xs+ws])
        cv2.bitwise_not(frame[ys:ys+hs,xs:xs+ws],frame[ys:ys+hs,xs:xs+ws])  
    time_end=time.time()
    needtime=round(time_end-time_start,3)
    imgText = cv2.putText(frame, str(needtime)+'ms', (50, 50),cv2.FONT_HERSHEY_SIMPLEX, 1.2, (255, 255, 255), 2)
    cv2.imshow('origin',frame)
    if  cv2.waitKey(10)==27:
        break
cv2.destroyAllWindows()
猜你喜欢
