如何在按位掩码 Opencv Python 中检测特定对象

Question

我正在尝试检测图像中的对象并在其周围制作一个边界框

这是我想要检测的：

以下是对您的帮助的特征：

• 它永远是黑色的
• 它将在右侧或左侧
• 必须是自动的

这是我迄今为止所取得的成就：

这是它的代码：

import cv2
import numpy as np

def nothing(x):
    pass

cv2.namedWindow("Tracking")
cv2.createTrackbar("LH", "Tracking", 0, 255, nothing)
cv2.createTrackbar("LS", "Tracking", 0, 255, nothing)
cv2.createTrackbar("LV", "Tracking", 0, 255, nothing)
cv2.createTrackbar("UH", "Tracking", 255, 255, nothing)
cv2.createTrackbar("US", "Tracking", 255, 255, nothing)
cv2.createTrackbar("UV", "Tracking", 255, 255, nothing)

while True:
    frame = cv2.imread('resultImages/imgCropped.png')
    img = frame.copy()

    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    l_h = cv2.getTrackbarPos("LH", "Tracking")
    l_s = cv2.getTrackbarPos("LS", "Tracking")
    l_v = cv2.getTrackbarPos("LV", "Tracking")

    u_h = cv2.getTrackbarPos("UH", "Tracking")
    u_s = cv2.getTrackbarPos("US", "Tracking")
    u_v = cv2.getTrackbarPos("UV", "Tracking")

    l_b = np.array([l_h, l_s, l_v])
    u_b = np.array([u_h, u_s, u_v])

    mask = cv2.inRange(hsv, l_b, u_b)

    res = cv2.bitwise_and(frame, frame, mask=mask)

    cv2.imshow("frame", frame)
    cv2.imshow("mask", mask)
    cv2.imshow("res", res)

    key = cv2.waitKey(1)
    if key == 27:
        break

cv2.destroyAllWindows()

我怎样才能检测到这个对象？

Answer 1

我不太确定您到底想做什么，但是我会尽力揭示一些可能对您有所帮助的关键方面..

1.首先，您可以利用对象位置的提示应用侧面图像的课程裁剪。这将减轻图像中存在的其他类似对象的存在。那就是：

while True:
    frame = cv2.imread('resultImages/imgCropped.png')#this returns a numpy array
    img = frame.copy()

    #define a thresshold let's say 1/4rth of the full image
    width = frame.shape[1]
    thress = int(np.ceil(width/4))
    left= img[:,:thress]#full height,cropped width 
    right = img[:,-thress:]
    #cropped=np.concatenate([left,right])#actually you don't have to merge

2.由于您能够区分所需的信息（黑色/白色），您可以尝试使用 opencv contour features 获取图像的轮廓。你也可以看看这个tutorial。除此之外，您可以在检索到的轮廓上应用各种条件，以过滤/加强您的分割。

但是，如果您的检测/分割需要不仅仅是静态的，我强烈建议您将注意力转向基于机器学习的算法，但考虑到您感兴趣的对象远非普通的事实，您将拥有通过微调现有架构，使用您的自定义数据集应用训练..

不管怎样，祝你好运！