写一段利用python语言,读取悬臂梁振动冲击视频,利用圆心标靶检测算法提取结构6个测点的位移并绘制每个测点的位移曲线的算法

时间: 2024-03-10 22:49:24 浏览: 18
好的,下面是利用Python语言实现读取悬臂梁振动冲击视频,提取6个测点位移并绘制位移曲线的算法: 首先,需要安装OpenCV和Matplotlib库来读取视频和绘制曲线,可以使用以下命令进行安装: ``` pip install opencv-python pip install matplotlib ``` 然后,我们可以使用以下代码来读取视频并提取测点位移: ```python import cv2 import numpy as np # 读取视频 cap = cv2.VideoCapture('video.mp4') # 设置圆心标靶检测参数 params = cv2.SimpleBlobDetector_Params() params.minThreshold = 10 params.maxThreshold = 200 params.filterByArea = True params.minArea = 10 params.filterByCircularity = True params.minCircularity = 0.8 params.filterByConvexity = True params.minConvexity = 0.87 params.filterByInertia = True params.minInertiaRatio = 0.01 # 创建圆心标靶检测器 detector = cv2.SimpleBlobDetector_create(params) # 定义六个测点的坐标 points = [(260, 190), (290, 190), (320, 190), (350, 190), (380, 190), (410, 190)] # 定义每个测点的位移列表 displacements = [[] for _ in range(len(points))] while True: # 读取视频帧 ret, frame = cap.read() if not ret: break # 转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) for i, (x, y) in enumerate(points): # 提取测点周围的圆心标靶 roi = gray[y-10:y+10, x-10:x+10] keypoints = detector.detect(roi) if keypoints: # 提取圆心坐标并计算位移 center = keypoints[0].pt displacement = np.sqrt((center[0]-10)**2 + (center[1]-10)**2) displacements[i].append(displacement) # 显示视频帧 cv2.imshow('frame', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 上述代码中,我们首先读取视频并设置圆心标靶检测参数,然后创建圆心标靶检测器。接着,我们定义了六个测点的坐标,并创建了一个空列表用于存储每个测点的位移。在每一帧视频中,我们首先将图像转换为灰度图像,然后对每个测点周围的圆心标靶进行检测,并提取圆心坐标。最后,我们计算了每个测点的位移,并将其存储在对应的列表中。 接下来,我们可以使用Matplotlib库来绘制每个测点的位移曲线: ```python import matplotlib.pyplot as plt # 绘制位移曲线 for i, displacement in enumerate(displacements): plt.plot(displacement, label=f'point{i+1}') plt.legend() plt.xlabel('Frame') plt.ylabel('Displacement') plt.show() ``` 上述代码中,我们首先使用for循环遍历每个测点的位移列表,并使用plt.plot()函数绘制曲线。最后,我们使用plt.legend()函数添加图例,并使用plt.xlabel()和plt.ylabel()函数添加坐标轴标签。运行完整代码后,我们就可以得到每个测点的位移曲线了。

相关推荐

最新推荐

recommend-type

基于圆心真实图像坐标计算的高精度相机标定方法

在基于圆点阵二维平面靶标的相机标定方法中,直接在拍摄的标靶图像中提取的椭圆中心并非真实的圆心投影像点,该圆心成像投影偏差必然会降低相机参数标定精度。基于此,提出将标靶图像逆向投影至空间虚拟矩阵以获得真实...
recommend-type

opencv摄像机双目标定代码

各标定步骤实现方法 1 计算标靶平面与图像平面之间...由单摄像机标定过程可以知道,标定靶每变换一个位置就可以得到一组摄像机外参数:Rr,Tr,与Rl, Tl,因此,由公式R=RrRl-1 ;T=Tr- RrRl-1Tl,可以得到一组结构参数R和T
recommend-type

深度图像自动配准点云的方法研究

点云配准是三维激光扫描数据处理过程中不可或缺的一个环节,利用标靶进行配准是经典的手段之一, 此类方案在单独扫描标靶的基础上进行半自动化配准。本文给出一种配准策略,利用中心投影原理将单站扫描的 点云转换为...
recommend-type

软考-考生常见操作说明-202405101400-纯图版.pdf

软考官网--2024常见操作说明:包括如何绘制网络图、UML图、表格等 模拟作答系统是计算机技术与软件专业技术资格(水平)考试的电子化考试系统界面、作答过程的仿真系统,为各级别、各资格涉及输入和页面显示的部分题型提供体验性练习。
recommend-type

setuptools-34.0.3.zip

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
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

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
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。