如何在python項目中利用opencv實現一個斑馬線檢測功能

如何在python項目中利用opencv實現一個斑馬線檢測功能？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

基本思路

斑馬線檢測通過opencv圖像處理來進行灰度值轉換、高斯濾波去噪、閾值處理、腐蝕和膨脹后對圖像進行輪廓檢測，通過判斷車輛和行人的位置，以及他們之間的距離信息，當車速到超過一定閾值時并且與行人距離較近時，則會被判定車輛為未禮讓行人。

實驗流程

先通過視頻截取一張圖片來進行測試，如果結果滿意之后再嵌套到視頻中，從而達到想要的效果。

1.預處理（灰度值轉換、高斯濾波去噪、閾值處理、腐蝕和膨脹）> 根據自己的需求來修改一些值

#灰度值轉換
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)

2.輪廓檢測

#輪廓檢測
_,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域。

3.感興趣區域

根據自己圖片或視頻的需求來更改x，y，w，h位置信息數值。

for i in cnt:
  #坐標賦值
  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:
    # 畫出輪廓
    cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)

4.完整代碼

import cv2
import numpy as np
#定義兩個核	（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
_,contouts,hie = cv2.findContours(imgDia,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contouts

for i in cnt:
  #坐標賦值
  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:
    # 畫出輪廓
    cv2.drawContours(copy_img, i, -1, (0, 255, 0), 2)

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

看完上述內容，你們掌握如何在python項目中利用opencv實現一個斑馬線檢測功能的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！