基于Python-OpenCV实现蓝色物体检测并打印中心坐标

时间: 2024-04-17 14:08:06 浏览: 10
可以的,以下是基于 Python-OpenCV 实现蓝色物体检测并打印中心坐标的代码: ```python import cv2 # 定义蓝色区域的 HSV 范围 lower_blue = (110, 50, 50) upper_blue = (130, 255, 255) # 打开摄像头,读取每一帧图像 cap = cv2.VideoCapture(0) while True: # 读取一帧图像 ret, frame = cap.read() if not ret: break # 将图像从 BGR 转换到 HSV hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 根据定义的 HSV 范围寻找蓝色区域 mask = cv2.inRange(hsv, lower_blue, upper_blue) # 对二值图像进行膨胀操作,用于填充可能出现的黑色空洞 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) mask = cv2.dilate(mask, kernel) # 计算蓝色区域的中心坐标 moments = cv2.moments(mask) center_x = int(moments['m10'] / moments['m00']) if moments['m00'] else 0 center_y = int(moments['m01'] / moments['m00']) if moments['m00'] else 0 # 在图像上绘制圆形和中心点 cv2.circle(frame, (center_x, center_y), 10, (0, 0, 255), -1) cv2.circle(frame, (center_x, center_y), 50, (0, 0, 255), 2) # 显示图像 cv2.imshow('frame', frame) # 按 'q' 键退出循环 if cv2.waitKey(1) == ord('q'): break # 释放资源并关闭窗口 cap.release() cv2.destroyAllWindows() ``` 运行上述代码,即可在打开的摄像头窗口中检测蓝色物体并打印它的中心坐标。

相关推荐

最新推荐

recommend-type

python-opencv获取二值图像轮廓及中心点坐标的代码

今天小编就为大家分享一篇python-opencv获取二值图像轮廓及中心点坐标的代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

基于python-opencv实现木质工件的污渍和划痕识别和分类

通过边缘检测,得到每个工件的坐标,并计算出工件的中心来标记工件的ID 通过工件的每一帧位移量来确定是否为同一个工件 将每一个工件截取出来,进行缺陷的提取 将提取的缺陷进行直方图计算,通过直方图来值归一化,...
recommend-type

python+opencv实现动态物体识别

主要为大家详细介绍了python+opencv实现动态物体识别,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

使用Python和OpenCV检测图像中的物体并将物体裁剪下来

主要介绍了使用Python和OpenCV检测图像中的物体并将物体裁剪下来,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

使用python-opencv读取视频,计算视频总帧数及FPS的实现

今天小编就为大家分享一篇使用python-opencv读取视频,计算视频总帧数及FPS的实现方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

list根据id查询pid 然后依次获取到所有的子节点数据

可以使用递归的方式来实现根据id查询pid并获取所有子节点数据。具体实现可以参考以下代码: ``` def get_children_nodes(nodes, parent_id): children = [] for node in nodes: if node['pid'] == parent_id: node['children'] = get_children_nodes(nodes, node['id']) children.append(node) return children # 测试数
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。