opencv识别黑线代码

以下是使用OpenCV进行黑线识别的示例代码：

import cv2
import numpy as np

# 设置摄像头编号（默认为0）
camera_id = 0

# 创建摄像头对象
cap = cv2.VideoCapture(camera_id)

# 循环读取摄像头图像
while True:
    # 读取图像帧
    ret, frame = cap.read()

    # 如果读取失败，则跳过本次循环
    if not ret:
        continue

    # 将图像转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 对灰度图像进行二值化处理
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

    # 定义结构元素
    kernel = np.ones((5, 5), np.uint8)

    # 对二值化图像进行膨胀操作
    dilation = cv2.dilate(binary, kernel, iterations=1)

    # 找到黑线的轮廓
    contours, hierarchy = cv2.findContours(dilation, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # 遍历轮廓
    for cnt in contours:
        # 计算轮廓的面积
        area = cv2.contourArea(cnt)

        # 如果面积小于100像素，则跳过本次循环
        if area < 100:
            continue

        # 计算轮廓的周长
        perimeter = cv2.arcLength(cnt, True)

        # 找到轮廓的近似多边形
        approx = cv2.approxPolyDP(cnt, 0.04 * perimeter, True)

        # 如果近似多边形的顶点数为4，则认为找到了黑线
        if len(approx) == 4:
            cv2.drawContours(frame, [approx], -1, (0, 255, 0), 3)

    # 显示图像
    cv2.imshow('frame', frame)

    # 如果按下ESC键，则退出循环
    if cv2.waitKey(1) == 27:
        break

# 释放摄像头对象
cap.release()

# 关闭所有窗口
cv2.destroyAllWindows()

该代码通过读取摄像头图像，将其转换为灰度图像，进行二值化处理，并对二值化图像进行膨胀操作。然后通过findContours函数找到所有轮廓，并遍历每个轮廓，计算其面积和周长，并找到近似多边形。如果近似多边形的顶点数为4，则认为找到了黑线，将其用绿色线条绘制在原图像上。最后通过cv2.imshow函数显示图像，并通过cv2.waitKey函数等待按键事件。如果按下ESC键，则退出循环，释放摄像头对象，并关闭所有窗口。