python视觉识别线条_python-opencv视觉巡线
简要概述：
通过摄像头采集图像，
将图像灰度化、二值化、膨胀、腐蚀操作后，
提取第400行像素值v,接近于图像底线位置，
提取中间值(这里为白色)的数量和位置，
根据数量和位置，利用简单的数学公式，(首项+尾项)/2，计算出白色的中间位置，
然后对比实际的中间位置320(不需要改)，计算出偏移量，
最后根据偏移量计算出电机应有的转角。
一、边缘检测实验
#!/usr/bin/env python3
# 识别的是中线为白色
import cv2
import numpy as np
# center定义
center = 320
# 打开摄像头，图像尺寸640*480(长*高)，opencv存储值为480*640(行*列)
cap = cv2.VideoCapture(0)
while (1):
ret, frame = cap.read()
cv2.imshow("recognize_face", frame)
# 转化为灰度图
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)
# 大津法二值化
retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
cv2.imshow("dst", dst)
# 膨胀，白区域变大
dst = cv2.dilate(dst, None, iterations=2)
cv2.imshow("dst2", dst)
# # 腐蚀，白区域变小 #
dst = cv2.erode(dst, None, iterations=6)
cv2.imshow("dst3", dst)
# 单看第400行的像素值v
color = dst[400]
try:
# 找到白色的像素点个数，如寻黑色，则改为0
white_count = np.sum(color == 255)
# 找到白色的像素点索引，如寻黑色，则改为0
white_index = np.where(color == 255)
# 防止white_count=0的报错
if white_count == 0:
white_count = 1
# 找到黑色像素的中心点位置
# 计算方法应该是边缘检测，计算白色边缘的位置和/2，即是白色的中央位置。
center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
# 计算出center与标准中心点的偏移量，因为图像大小是640，因此标准中心是320，因此320不能改。
direction = center - 320
print(direction)
except:
continue
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release() #释放cap
cv2.destroyAllWindows()#销毁所有窗口
二、树莓派GPIO应用
# coding:utf-8
# 实现树莓派小车的变速控制
import RPi.GPIO as gpio
# 定义引脚
in1 = 12
in2 = 16
in3 = 18
in4 = 22
# 设置GPIO口为BOARD编号规范,从左到右，从上到下。
gpio.setmode(gpio.BOARD)
# 设置GPIO口为输出
gpio.setup(in1, gpio.OUT)
gpio.setup(in2, gpio.OUT)
gpio.setup(in3, gpio.OUT)
gpio.setup(in4, gpio.OUT)
# 设置PWM波,频率为500Hz
pwm1 = gpio.PWM(in1, 500)
pwm2 = gpio.PWM(in2, 500)
pwm3 = gpio.PWM(in3, 500)
pwm4 = gpio.PWM(in4, 500)
# 初始化
pwm1.start(0)
pwm2.start(0)
pwm3.start(0)
pwm4.start(0)
# 定义向前
def go():
pwm1.ChangeDutyCycle(50)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(50)
pwm4.ChangeDutyCycle(0)
# 定义向右
def right():
pwm1.ChangeDutyCycle(50)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(30)
pwm4.ChangeDutyCycle(0)
# 定义向左
def left():
pwm1.ChangeDutyCycle(30)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(50)
pwm4.ChangeDutyCycle(0)
# 定义向后
def back():
pwm1.ChangeDutyCycle(0)
pwm2.ChangeDutyCycle(50)
pwm3.ChangeDutyCycle(0)
pwm4.ChangeDutyCycle(50)
# 定义停止
def stop():
pwm1.ChangeDutyCycle(0)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(0)
pwm4.ChangeDutyCycle(0)
pwm1.stop()
pwm2.stop()
pwm3.stop()
pwm4.stop()
gpio.cleanup()
三、视觉巡线
# coding:utf-8
# 加入摄像头模块，让小车实现自动循迹行驶
# 思路为：摄像头读取图像，进行二值化，将白色的赛道凸显出来
# 选择下方的一行像素，黑色为0，白色为255 # 找到白色值的中点
# 目标中点与标准中点(320)进行比较得出偏移量
# 根据偏移量来控制小车左右轮的转速
# 考虑了偏移过多失控->停止;偏移量在一定范围内->高速直行(这样会速度不稳定，已删)
import RPi.GPIO as gpio
import time
import cv2
import numpy as np
import serial
ser=serial.Serial('/dev/ttyAMA0',115200,timeout=1)
# 定义引脚
pin1 = 12
pin2 = 16
pin3 = 18
pin4 = 22
# 设置GPIO口为BOARD编号规范
gpio.setmode(gpio.BOARD)
# 设置GPIO口为输出
gpio.setup(pin1, gpio.OUT)
gpio.setup(pin2, gpio.OUT)
gpio.setup(pin3, gpio.OUT)
gpio.setup(pin4, gpio.OUT)
# 设置PWM波,频率为500Hz
pwm1 = gpio.PWM(pin1, 500)
pwm2 = gpio.PWM(pin2, 500)
pwm3 = gpio.PWM(pin3, 500)
pwm4 = gpio.PWM(pin4, 500)
# pwm波控制初始化
pwm1.start(0)
pwm2.start(0)
pwm3.start(0)
pwm4.start(0)
# center定义
center = 320
# 打开摄像头，图像尺寸640*480(长*高)，opencv存储值为480*640(行*列)
cap = cv2.VideoCapture(0)
while (1):
ret, frame = cap.read()
cv2.imshow("recognize_face", frame)
# 转化为灰度图
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 大津法二值化
retval, dst = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
# 膨胀，白区域变大
dst = cv2.dilate(dst, None, iterations=2)
cv2.imshow("dst", dst)
# # 腐蚀，白区域变小 #
#dst = cv2.erode(dst, None, iterations=6)
# 单看第400行的像素值s
color = dst[400]
try:
# 找到白色的像素点个数，如寻黑色，则改为0
white_count = np.sum(color == 255)
# 找到白色的像素点索引，如寻黑色，则改为0
white_index = np.where(color == 255)
# 防止white_count=0的报错
if white_count == 0:
white_count = 1
# 找到黑色像素的中心点位置
# 计算方法应该是边缘检测，计算白色边缘的位置和/2，即是白色的中央位置。
center = (white_index[0][white_count - 1] + white_index[0][0]) / 2
# 计算出center与标准中心点的偏移量，因为图像大小是640，因此标准中心是320，因此320不能改。
direction = center - 320
print(direction)
ser.write(direction)
except:
continue
# 停止
if abs(direction) > 250:
pwm1.ChangeDutyCycle(0)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(0)
pwm4.ChangeDutyCycle(0)
# 右转
elif direction >= 0:
# 限制在70以内
if direction > 70:
direction = 70
pwm1.ChangeDutyCycle(30 + direction)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(30)
pwm4.ChangeDutyCycle(0)
# 左转
elif direction < -0:
if direction < -70:
direction = -70
pwm1.ChangeDutyCycle(30)
pwm2.ChangeDutyCycle(0)
pwm3.ChangeDutyCycle(30 - direction)
pwm4.ChangeDutyCycle(0)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放清理
cap.release()
cv2.destroyAllWindows()
pwm1.stop()
pwm2.stop()
pwm3.stop()
pwm4.stop()
gpio.cleanup()
参考文献：
树莓派小车自动循迹(摄像头)