基于Python的OpenCV图像处理17

# coding=utf-8
import cv2
import numpy as np

img = cv2.imread("E:\\sift1.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 第一个参数是输入图像
# 第二个参数是检测的角点数目
# 第三个参数是角点质量
# 第四个参数是角点间的最短距离
corners = cv2.goodFeaturesToTrack(gray, 300, 0.01, 10)

# 将浮点型数据转成int型，否则无法绘制
corners = np.int0(corners)

for i in corners:
    # 将每一项拆开，在重新拼成一个元组
    x, y = i.ravel()
    # 在图上绘制角点，为了更好显示，设置半径为2
    cv2.circle(img, (x, y), 2, (0, 0, 255), -1)

cv2.imshow("shi-tomasi", img)
cv2.waitKey(0)

# coding=utf-8
import numpy as np
import cv2

cap = cv2.VideoCapture("E:\\v1.mp4")

# Shi-Tomasi角点检测相关参数
feature_params = dict(maxCorners=10,
                      qualityLevel=0.1,
                      minDistance=1,
                      blockSize=9)

# LK光流法相关参数
lk_params = dict(winSize=(30, 30),
                 maxLevel=2,
                 criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))

# 创建随机颜色
color = np.random.randint(0, 255, (100, 3))

# 获取视频第一帧
ret, old_frame = cap.read()
# 转换为灰度
old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY)
# ST检测角点，注意这里参数传递的方法
p0 = cv2.goodFeaturesToTrack(old_gray, mask=None, **feature_params)

# 创建一个新的图片用于绘制
mask = np.zeros_like(old_frame)

while 1:
    ret, frame = cap.read()

    if frame is None:
        cv2.waitKey(0)
        break
    else:
        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 计算光流
        p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params)

        # 选择好的特征点
        if p1 is None:
            pass
        elif p0 is None:
            pass
        else:
            good_new = p1[st == 1]
            good_old = p0[st == 1]

        # 输出每一帧内特征点的坐标
        # 坐标个数为之前指定的个数
        print good_new

        # 绘制轨迹
        for i, (new, old) in enumerate(zip(good_new, good_old)):
            a, b = new.ravel()
            c, d = old.ravel()
            mask = cv2.line(mask, (a, b), (c, d), color[i].tolist(), 2)
            frame = cv2.circle(frame, (a, b), 5, color[i].tolist(), -1)
        img = cv2.add(frame, mask)

        cv2.imshow('frame', img)
        k = cv2.waitKey(30) & 0xff
        if k == 27:
            break

        # 更新上一帧以及特征点
        old_gray = frame_gray.copy()
        p0 = good_new.reshape(-1, 1, 2)

cv2.destroyAllWindows()
cap.release()

calcOpticalFlowFarneback(prevImg, nextImg, flow, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow])

# coding=utf-8
import cv2
import numpy as np

cap = cv2.VideoCapture("E:\\vtest.avi")

ret, frame1 = cap.read()
prvs = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)

# 注意这里新建一个矩阵的用法
# 等价于hsv = np.zeros(frame1.shape,np.uint8)
# 但这样更加简单
hsv = np.zeros_like(frame1)

# 注意这里的用法，等价于hsv[:,:,1]=255
# 目的是把HSV的S通道全部赋成255
# S表示饱和度，即让饱和度为100%
# 这里还有个问题，为什么用HSV色彩空间
# 因为我们想用不同颜色表示不同方向，不同明暗表示大小
# 因此HSV空间最适合，最方便满足这个要求
# 如果RGB空间则很难直接办到了
# HSV面向用户，RGB面向计算机
# 从用户角度而言，HSV空间更接近于我们对于色彩的理解
hsv[..., 1] = 255

while 1:
    ret, frame2 = cap.read()
    next = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)

    # 使用Gunnar Farneback方法进行稠密光流计算
    # 第一个参数是上一帧影像
    # 第二个参数是下一帧影像
    # 第三个参数是接收结果的变量，可为空
    # 第四个参数是金字塔缩放参数，每层为上层大小的0.5
    # 第五个参数是金字塔层数
    # 第六个参数是窗口大小
    # 第七个参数是迭代次数
    # 第八个参数是像素领域大小
    # 第九个参数是高斯标准差
    # 第十个参数是flag，表示计算方式
    flow = cv2.calcOpticalFlowFarneback(prvs, next, None, 0.5, 3, 15, 3, 5, 1.2, cv2.OPTFLOW_USE_INITIAL_FLOW)

    # cartToPolar函数用于计算一个二维向量的大小和角度
    # flow[...,0]等价于flow[:,:,0]
    # 返回的mag和ang分别是二维的一层矩阵，存放对应位置的信息，如(576, 768)
    mag, ang = cv2.cartToPolar(flow[..., 0], flow[..., 1])

    # 将弧度转换为角度，同时OpenCV中的H范围是180(0 - 179)，所以再除以2
    # 完成后将结果赋给HSV的H通道，不同的角度(方向)以不同颜色表示
    # 对于不同方向，产生不同色调
    # hsv[...,0]等价于hsv[:,:,0]
    hsv[..., 0] = ang * 180 / np.pi / 2

    # 将矢量大小标准化到0-255范围。因为OpenCV中V分量对应的取值范围是256
    # 对于同一H、S而言，向量的大小越大，对应颜色越亮
    hsv[..., 2] = cv2.normalize(mag, None, 0, 255, cv2.NORM_MINMAX)
    # 最后，将生成好的HSV图像转换为BGR颜色空间
    rgb = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
    cv2.imshow('frame2', rgb)

    # 退出控制
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
    # 按s保存当前帧以及光流图
    elif k == ord('s'):
        cv2.imwrite('E:\\opticalfb.png', frame2)
        cv2.imwrite('E:\\opticalhsv.png', rgb)
    prvs = next

cap.release()
cv2.destroyAllWindows()

import cv2
import numpy as np


def nothing(x):
    pass


img = np.zeros((200, 500, 3), np.uint8)
rgb = np.zeros_like(img)

cv2.namedWindow("HSV")
cv2.createTrackbar('H', 'HSV', 0, 179, nothing)
cv2.createTrackbar('S', 'HSV', 0, 255, nothing)
cv2.createTrackbar('V', 'HSV', 0, 255, nothing)

while 1:
    cv2.imshow("HSV", rgb)

    h = cv2.getTrackbarPos('H', 'HSV')
    s = cv2.getTrackbarPos('S', 'HSV')
    v = cv2.getTrackbarPos('V', 'HSV')

    img[..., 0] = h
    img[..., 1] = s
    img[..., 2] = v

    rgb = cv2.cvtColor(img, cv2.COLOR_HSV2BGR)

    k = cv2.waitKey(1) & 0xff
    if k == 27:
        break

cv2.waitKey(0)