交互式圖形用戶界面（GUI）應用程序 | 基于顏色的對象檢測和追蹤
作者：二旺
在本文中，我將展示如何創建一個GUI，用于使用它們的顏色來檢測和追蹤對象。
大多數時候，用于對象檢測和追蹤的都是深度學習模型。的確，深度學習非常強大，但也存在其他的對象檢測和追蹤方法。在本文中，我將展示如何創建一個GUI，用于使用它們的顏色來檢測和追蹤對象。
檢測魚類
顏色可以用不同的格式表示。有多種方式來表示顏色：
- RGB（紅，綠，藍）
- BGR（藍，綠，紅）
- HSV（色調，飽和度，值）
HSV 顏色空間
HSV代表色調、飽和度和值。這是一種常用于圖像處理和計算機視覺任務的顏色空間表示。使用HSV顏色空間進行顏色選擇的優勢在于它允許輕松地操作色調、飽和度和值。然而，一個缺點是它可能無法準確表示所有顏色。如果你仔細觀察這張圖片，你會注意到你無法獲得所有顏色：
如何使用顏色進行對象檢測？
使用顏色進行對象檢測涉及基于圖像中對象的顏色屬性來識別對象。有5個主要步驟：
- 選擇顏色空間：通常，HSV是一個很好的選擇。
- 閾值處理：在選定的顏色空間中設置閾值，以隔離與要檢測的對象顏色匹配的圖像區域。例如，如果你選擇HSV顏色空間，定義色調、飽和度和值通道的范圍。如果你想檢測藍色對象，你需要為藍色定義特定的下限和上限。
- 生成掩碼：創建一個二進制掩碼，其中指定顏色范圍內的像素設置為1（白色），范圍外的像素設置為0（黑色）。這個掩碼將分離圖像中的感興趣區域，在這種情況下，它將隔離所需的顏色。
- 輪廓檢測：找到掩碼后，找到輪廓就很簡單了。OpenCV提供了cv2.findContours()函數用于查找輪廓。
- 繪制矩形：cv2.findContours()函數將返回一系列輪廓。遍歷該列表，并使用cv2.boundingRect(contour)函數找到每個輪廓的邊界矩形的坐標。之后，使用這些坐標繪制矩形。
檢測藍色球體
交互式GUI應用程序 / 代碼
我在上面的5個步驟中解釋了主要算法。在代碼部分，我用注釋解釋了所有行。程序相當簡單。用戶使用顏色條選擇一種顏色，然后程序獲取那種顏色，處理它，并提取那種顏色的對象：
import cv2
import numpy as np
import tkinter as tk
from tkinter import ttk
from PIL import Image, ImageTk
class ColorPickerApp:
def __init__(self, master):
self.master = master
self.master.title("Color Picker")
self.master.geometry("800x600") # Adjust the size of the window
# Create a frame to hold the color bar and color image
self.color_bar_frame = tk.Frame(master)
self.color_bar_frame.pack(side="top", fill="x", padx=5, pady=5)
self.hue_label = ttk.Label(self.color_bar_frame, text="Select Hue Value (10-179):")
self.hue_label.pack(side="left", padx=5, pady=5)
self.hue_scale = ttk.Scale(self.color_bar_frame, from_=10, to=179, orient="horizontal", command=self.update_color)
self.hue_scale.pack(side="left", padx=5, pady=5)
# Create a canvas for the color image
self.canvas_color = tk.Canvas(master, width=100, height=320)
self.canvas_color.pack(side="left", padx=5, pady=75)
# Create a canvas for the image
self.canvas_image = tk.Canvas(master, width=800, height=400)
self.canvas_image.pack(side="top", padx=5, pady=50)
self.detect_button = ttk.Button(master, text="Detect Objects", command=self.detect_objects)
self.detect_button.pack(side="top", padx=5, pady=5)
self.image = None
self.image_rgb = None
self.image_hsv = None
# Video capture
self.cap = cv2.VideoCapture("fish.mp4") # Change to 0 for webcam, or provide path for video file
# Load the initial frame
self.load_frame()
def load_frame(self):
ret, frame = self.cap.read()
if ret:
self.image = frame
self.image_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
self.image_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# Display the frame with detected regions
self.display_frame(self.image_rgb)
self.master.after(100, self.load_frame) # Continue to load frames
def update_color(self, value):
hue_value = int(float(value))
color_image = np.zeros((400, 100, 3), dtype=np.uint8)
color_image[:, :] = (hue_value, 255, 255)
color_image_rgb = cv2.cvtColor(color_image, cv2.COLOR_HSV2RGB)
color_image_rgb = Image.fromarray(color_image_rgb)
# Display the color image
color_image_tk = ImageTk.PhotoImage(image=color_image_rgb)
self.canvas_color.create_image(0, 0, anchor="nw", image=color_image_tk)
self.canvas_color.image = color_image_tk
def display_frame(self, frame):
img = Image.fromarray(frame)
# Get the original frame dimensions
frame_width, frame_height = img.size
# Define maximum width and height
max_width = 600
max_height = 300
# Calculate target width and height
target_width = min(frame_width, max_width)
target_height = min(frame_height, max_height)
# Calculate aspect ratio
aspect_ratio = frame_width / frame_height
# Adjust dimensions if necessary to fit within limits
if aspect_ratio > max_width / max_height:
target_width = max_width
target_height = int(target_width / aspect_ratio)
else:
target_height = max_height
target_width = int(target_height * aspect_ratio)
# Resize the frame while maintaining the aspect ratio
img = img.resize((target_width, target_height), Image.LANCZOS)
# Convert the resized frame to PhotoImage
img = ImageTk.PhotoImage(image=img)
# Clear previous frame and display the resized frame
self.canvas_image.delete("all")
self.canvas_image.create_image(0, 0, anchor="nw", image=img)
self.canvas_image.image = img
def detect_objects(self):
if self.image is None:
return
print("detecting objects")
# Define the hue range based on the current value of the hue scale
hue_value = int(self.hue_scale.get())
lower_limit = np.array([hue_value - 8, 100, 100])
upper_limit = np.array([hue_value + 8, 255, 255])
# Create a mask to detect objects within the specified hue range
mask = cv2.inRange(self.image_hsv, lower_limit, upper_limit)
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# Draw rectangles around the detected objects
for contour in contours:
print("contour found")
#if cv2.contourArea(contour) > 50:
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(self.image_rgb, (x, y), (x + w, y + h), (255, 255, 0), 5)
# Display the updated frame with detected objects
self.display_frame(self.image_rgb)
# Call detect_objects again after a delay
self.master.after(50, self.detect_objects)
def main():
root = tk.Tk()
app = ColorPickerApp(root)
root.mainloop()
if __name__ == "__main__":
main()
責任編輯：趙寧寧
來源：
小白玩轉Python
