写一个用KLT算法追踪视频中红色圆形标志物，并输出红色标志物中心点像素坐标的python代码

好的，以下是用KLT算法追踪视频中红色圆形标志物，并输出红色标志物中心点像素坐标的Python代码：

import cv2

# 定义红色范围
lower_red = (0, 0, 100)
upper_red = (100, 100, 255)

# 创建KLT跟踪器
lk_params = dict(winSize=(15, 15), maxLevel=2, criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))

# 读取视频并获取第一帧
cap = cv2.VideoCapture('video.mp4')
ret, first_frame = cap.read()

# 在第一帧中查找红色标志物
hsv = cv2.cvtColor(first_frame, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, lower_red, upper_red)
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = max(contours, key=cv2.contourArea)
x, y, w, h = cv2.boundingRect(cnt)

# 初始化跟踪点
pt = (x + w / 2, y + h / 2)
old_frame_gray = cv2.cvtColor(first_frame, cv2.COLOR_BGR2GRAY)
p0 = cv2.goodFeaturesToTrack(old_frame_gray, mask=None, maxCorners=100, qualityLevel=0.3, minDistance=7, blockSize=7)

# 创建输出文件
output_file = open('output.txt', 'w')

while True:
    # 读取视频帧
    ret, frame = cap.read()
    if not ret:
        break

    # 将帧转换为灰度图像
    new_frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 计算光流
    p1, st, err = cv2.calcOpticalFlowPyrLK(old_frame_gray, new_frame_gray, p0, None, **lk_params)

    # 选择好的跟踪点
    good_new = p1[st == 1]
    good_old = p0[st == 1]

    # 计算标志物中心点
    x = int(good_new[:, 0].mean())
    y = int(good_new[:, 1].mean())

    # 将中心点像素坐标写入输出文件
    output_file.write(f'{x}, {y}\n')

    # 更新跟踪点
    old_frame_gray = new_frame_gray.copy()
    p0 = good_new.reshape(-1, 1, 2)

# 关闭输出文件和视频流
output_file.close()
cap.release()

当然，这段代码并不完美，可能还需要一些优化和调整，但是它可以帮助你实现基本的视频中红色圆形标志物追踪功能。希望对你有所帮助！