摄像头读取视频流,取出其中一帧,输出图像的大小,及图中红色圆圈的圆心坐标
时间: 2024-09-27 11:06:59 浏览: 35
要使用Python处理摄像头捕获的视频流并分析其中一帧,你可以使用OpenCV库。以下是一个简单的示例,展示了如何获取帧大小以及检测圆形(这里假设使用霍夫圆检测算法找到红色圆圈):
```python
import cv2
import numpy as np
# 读取摄像头
cap = cv2.VideoCapture(0) # 使用默认摄像头,如果想指定文件路径,用cv2.VideoCapture('path_to_video')
# 检查是否成功打开摄像头
if not cap.isOpened():
print("无法打开摄像头")
else:
# 设置帧率较低以降低CPU压力
cap.set(cv2.CAP_PROP_FPS, 10)
while True:
# 读取下一帧
ret, frame = cap.read()
if not ret:
break # 如果读取失败,退出循环
# 将BGR颜色空间转换为HSV,方便对红色进行检测
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# 定义红色圆圈的HSV范围
lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255]) # 注意这里是示例,实际应用中可能需要根据实际情况调整阈值
mask = cv2.inRange(hsv, lower_red, upper_red) # 创建红色掩码
# 对红色区域进行边缘检测,然后使用霍夫圆变换寻找圆心
edges = cv2.Canny(mask, 50, 150)
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, dp=1, minDist=20, param1=50, param2=30, minRadius=0, maxRadius=0)
# 如果发现圆圈
if circles is not None:
circles = np.round(circles[0, :]).astype("int") # 获取第一个圆的坐标
for (x, y, r) in circles:
# 输出圆心坐标
print(f"圆心坐标 ({x}, {y})")
# 绘制圆圈
cv2.circle(frame, (x, y), r, (0, 255, 0), 2)
cv2.putText(frame, "Red Circle", (x - 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
# 显示原始帧和处理后的帧
cv2.imshow("Original Frame", frame)
cv2.imshow("Masked Image", mask)
cv2.waitKey(1) # 按下任意键后显示下一帧
# 释放资源并关闭所有窗口
cap.release()
cv2.destroyAllWindows()
```
这个脚本会在每一帧上查找红色圆圈并输出其圆心坐标。请注意,`lower_red` 和 `upper_red` 需要根据实际的红色色调微调,也可能需要针对不同光照条件进行动态调整。
阅读全文