opencv的停车场空余车位代码

下面是一个简单的Opencv停车场空余车位检测的示例代码，仅供参考：

import cv2

# 读取停车场图像
img = cv2.imread('parking_lot.jpg')

# 转换颜色空间为灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对图像进行高斯模糊
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# 进行Canny边缘检测
edges = cv2.Canny(blur, 50, 150)

# 对边缘图像进行形态学操作，填充小孔洞
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)

# 查找轮廓
contours, hierarchy = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历所有轮廓，判断是否为空余车位
for contour in contours:
    # 计算轮廓面积
    area = cv2.contourArea(contour)
    # 如果面积小于一定阈值，则认为是噪声
    if area < 1000:
        continue
    # 计算轮廓周长
    perimeter = cv2.arcLength(contour, True)
    # 计算轮廓近似多边形
    approx = cv2.approxPolyDP(contour, 0.02 * perimeter, True)
    # 如果近似多边形有4个顶点，则认为是矩形车位
    if len(approx) == 4:
        # 计算车位中心坐标
        M = cv2.moments(contour)
        cx = int(M['m10'] / M['m00'])
        cy = int(M['m01'] / M['m00'])
        # 在图像上绘制车位中心点
        cv2.circle(img, (cx, cy), 5, (0, 255, 0), -1)

# 显示结果图像
cv2.imshow('Parking Lot', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：这只是一个简单的示例代码，实际应用中需要根据具体场景进行调整和优化。同时，由于车位的颜色和形状可能会有很大差异，因此需要进行充分的测试和训练，以确保算法的准确性和稳定性。