opencv中用C++实现质心跟踪算法

质心跟踪算法是一种基于目标的颜色或形状特征，通过计算目标的质心位置，实现目标跟踪的算法。在 OpenCV 中，可以通过以下步骤实现质心跟踪算法：

1. 读入视频或者摄像头的实时数据

cv::VideoCapture cap(0); // 0 代表摄像头编号，可以改为视频文件路径
if(!cap.isOpened())
{
    std::cout << "Failed to open video!" << std::endl;
    return -1;
}

2. 提取目标的颜色或形状特征，这里以颜色特征为例，假设我们想跟踪红色目标：

cv::Mat frame, hsv_frame, red_mask;
while(cap.read(frame))
{
    cv::cvtColor(frame, hsv_frame, cv::COLOR_BGR2HSV); // 转换为 HSV 颜色空间
    cv::Scalar lower_red = cv::Scalar(0, 100, 100); // 红色范围的下界
    cv::Scalar upper_red = cv::Scalar(10, 255, 255); // 红色范围的上界
    cv::inRange(hsv_frame, lower_red, upper_red, red_mask); // 提取红色目标的掩码
}

3. 计算目标的质心位置：

cv::Moments moments = cv::moments(red_mask, true); // 计算目标的矩
cv::Point2f center(moments.m10 / moments.m00, moments.m01 / moments.m00); // 计算目标的质心位置

4. 在图像上绘制目标的质心：

cv::circle(frame, center, 5, cv::Scalar(0, 0, 255), -1); // 在图像上绘制目标的质心
cv::imshow("frame", frame); // 显示图像
cv::waitKey(1); // 等待按键

完整的代码如下：

#include <opencv2/opencv.hpp>

int main()
{
    cv::VideoCapture cap(0); // 0 代表摄像头编号，可以改为视频文件路径
    if(!cap.isOpened())
    {
        std::cout << "Failed to open video!" << std::endl;
        return -1;
    }
    cv::Mat frame, hsv_frame, red_mask;
    while(cap.read(frame))
    {
        cv::cvtColor(frame, hsv_frame, cv::COLOR_BGR2HSV); // 转换为 HSV 颜色空间
        cv::Scalar lower_red = cv::Scalar(0, 100, 100); // 红色范围的下界
        cv::Scalar upper_red = cv::Scalar(10, 255, 255); // 红色范围的上界
        cv::inRange(hsv_frame, lower_red, upper_red, red_mask); // 提取红色目标的掩码
        cv::Moments moments = cv::moments(red_mask, true); // 计算目标的矩
        cv::Point2f center(moments.m10 / moments.m00, moments.m01 / moments.m00); // 计算目标的质心位置
        cv::circle(frame, center, 5, cv::Scalar(0, 0, 255), -1); // 在图像上绘制目标的质心
        cv::imshow("frame", frame); // 显示图像
        cv::waitKey(1); // 等待按键
    }
    return 0;
}