本教程我將分享幾個簡單步驟解釋如何使用OpenCV進行Python對象計數。

需要安裝一些軟件：

Python 3

OpennCV

1.了解Opencv從攝像頭獲得視頻的Python腳本import cv2, time#1. Create an object.Zero for external cameravideo=cv2. VideoCapture(0)#1. a variablea=0while True:a=a+1#3. Create frame objectcheck, frame = video.read()print(check)print(frame) # Reprsenting image#6. converting to grascalegray=cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)#4. shadow the framecv2.imshow("Capturing", gray)#5. for press any key to out (milisecond)#cv2.waitKey(0)#7. for playingkey=cv2.waitKey(1)if key==ord('q'):breakprint (a)#2. Shutdown the cameravideo.release() cv2.destroyAllWindows

2.加載視頻

現在我們將開始逐步學習這個車輛計數教程。第一步是打開我們將在本教程中使用的視頻錄制。Python示例代碼如下：

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filewhile(cap.isOpened()): ret, frame = cap.read() #read a frame try: cv2.imshow('Frame',frame) except: #if there are no more frames to show... print('EOF') break #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

3. 在視頻窗口中繪圖

這部分非常簡單，因為我們只在視頻上顯示文字或畫線。

使用Python代碼在視頻文件中顯示文本如下：

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filew = cap.get(3) #get widthh = cap.get(4) #get heightmx = int(w/2)my = int(h/2)count = 0while(cap.isOpened()): ret, frame = cap.read() #read a frame try: count = count + 1 text = "Statistika UII " + str(count) cv2.putText(frame, text ,(mx,my),cv2.FONT_HERSHEY_SIMPLEX ,1,(255,255,255),1,cv2.LINE_AA) cv2.imshow('Frame',frame) except: #if there are no more frames to show... print('EOF') break #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

除了顯示文字，我們還可以繪制線條，圓圈等。OpenCV有許多繪制幾何形狀的方法

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filewhile(cap.isOpened()): ret, frame = cap.read() #read a frame try: cv2.imshow('Frame',frame) frame2 = frame except: #if there are no more frames to show... print('EOF') break line1 = np.array([[100,100],[300,100],[350,200]], np.int32).reshape((-1,1,2)) line2 = np.array([[400,50],[450,300]], np.int32).reshape((-1,1,2)) frame2 = cv2.polylines(frame2,[line1],False,(255,0,0),thickness=2) frame2 = cv2.polylines(frame2,[line2],False,(0,0,255),thickness=1) cv2.imshow('Frame 2',frame2) #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

4.背景分離

此方法通過區分背景和對象(前景)的移動來分離對象。該方法非常廣泛地用于進入或離房間計數，交通信息系統中車輛統計，訪客數量等。

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorwhile(cap.isOpened()): ret, frame = cap.read() #read a frame fgmask = fgbg.apply(frame) #Use the substractor try: cv2.imshow('Frame',frame) cv2.imshow('Background Substraction',fgmask) except: #if there are no more frames to show... print('EOF') break #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

在圖像中，黑色的圖像為背景，而白色的圖像是檢測的對象。

5.形態轉換

圖像處理中的形態學，即數學形態學(mathematical Morphology)，是圖像處理中應用最為廣泛的技術之一，主要用于從圖像中提取對表達和描繪區域形狀有意義的圖像分量，使后續的識別工作能夠抓住目標對象最為本質〈最具區分能力－most discriminative)的形狀特征，如邊界和連通區域等。同時像細化、像素化和修剪毛刺等技術也常應用于圖像的預處理和后處理中，成為圖像增強技術的有力補充。

經常使用的形態學操作：包括腐蝕、膨脹， 以及開、閉運算。

膨脹： 輸出像素的值是所有輸入像素值中的最大值。在二值圖像中，如果領域中有一個像素值為1，則輸出像素值為1。如下圖

腐蝕：輸出像素的值是所有輸入像素值中的最小值，在二值圖像中，若果領域中有一個像素值為0，則輸出像素值為0，看下圖：

膨脹和腐蝕的Python實現如下：

import cv2import numpy as npimg = cv2.imread("carcount.png")ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)kernel = np.ones((3,3),np.uint8)erosion = cv2.erode(img,kernel,iterations = 1)dilation = cv2.dilate(img,kernel,iterations = 1)cv2.imwrite("erode.png",erosion)cv2.imwrite("dilate.png",dilation)

查看侵蝕和擴張的結果如下圖：

開運算：先腐蝕再膨脹，可以去掉目標外的孤立點。目標外的孤立點是和目標像素值一樣的點，而非背景像素點，即為1而非0(0表示選取的空洞或背景像素值)。使用腐蝕，背景擴展，該孤立點被腐蝕掉，但是腐蝕會導致目標區域縮小一圈，因此需要再進行膨脹操作，將目標區域擴展回原來大小。所以，要使用開運算去除目標外的孤立點。

閉運算：先膨脹再腐蝕，可以去掉目標內的孔。目標內的孔，屬于周圍都是值為1，內部空洞值為0.目的是去除周圍都是1的像素中間的0值。閉運算首先進行膨脹操作，目標區域擴張一圈，將目標區域的0去除，但是目標區域同時也會向外擴張一圈，因此需要使用腐蝕操作，使得圖像中的目標區域恢復到之前的大小。

代碼實現如下：

import cv2import numpy as npimg = cv2.imread("carcount.png")ret,thresh1 = cv2.threshold(img,200,255,cv2.THRESH_BINARY)kernel = np.ones((5,5),np.uint8)opening = cv2.morphologyEx(thresh1, cv2.MORPH_OPEN, kernel)closing = cv2.morphologyEx(thresh1, cv2.MORPH_CLOSE, kernel)cv2.imwrite("carcount_closing.png",closing)cv2.imwrite("carcount_opening.png",opening)

6.尋找輪廓

到目前為止，我們已經過濾了視頻流文件，然后我們將檢測移動對象上的輪廓。

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorkernelOp = np.ones((3,3),np.uint8)kernelCl = np.ones((11,11),np.uint8)while(cap.isOpened()): ret, frame = cap.read() #read a frame fgmask = fgbg.apply(frame) #Use the substractor try: ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY) #Opening (erode->dilate) mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kernelOp) #Closing (dilate -> erode) mask = cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kernelCl) except: #if there are no more frames to show... print('EOF') break _, contours0, hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) for cnt in contours0: cv2.drawContours(frame, cnt, -1, (0,255,0), 3, 8) cv2.imshow('Frame',frame) #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

7.定義對象

這是一個非常有趣的部分，我們將輪廓分類為車輛對象。此定義以小紅點標記。Python實現如下：

import numpy as npimport cv2cap = cv2.VideoCapture('traf.mp4') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorkernelOp = np.ones((3,3),np.uint8)kernelCl = np.ones((11,11),np.uint8)areaTH = 500while(cap.isOpened()): ret, frame = cap.read() #read a frame fgmask = fgbg.apply(frame) #Use the substractor try: ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY) #Opening (erode->dilate) mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kernelOp) #Closing (dilate -> erode) mask = cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kernelCl) except: #if there are no more frames to show... print('EOF') break _, contours0, hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) for cnt in contours0: cv2.drawContours(frame, cnt, -1, (0,255,0), 3, 8) area = cv2.contourArea(cnt) print (area) if area > areaTH: ################# # TRACKING # ################# M = cv2.moments(cnt) cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) x,y,w,h = cv2.boundingRect(cnt) cv2.circle(frame,(cx,cy), 5, (0,0,255), -1) img = cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2) cv2.imshow('Frame',frame) #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

8.移動方向

您已經知道我們的視頻上有什么對象，現在您想知道它們往哪里移動(如：向上/向下)。在第一幀中，您需要將檢測到的ID對象保存初始位置。然后，在下一幀中，要繼續跟蹤對象，必須將幀中對象的輪廓與首次出現時的ID匹配，并保存該對象的坐標。然后，在對象跨越視頻的邊界(或一定量的限制)之后，您可以使用存儲的位置來評估它是向上或是向下移動。

import numpy as npimport cv2import Carimport timecap = cv2.VideoCapture('peopleCounter.avi') #Open video filefgbg = cv2.createBackgroundSubtractorMOG2(detectShadows = True) #Create the background substractorkernelOp = np.ones((3,3),np.uint8)kernelCl = np.ones((11,11),np.uint8)#Variablesfont = cv2.FONT_HERSHEY_SIMPLEXcars = []max_p_age = 5pid = 1areaTH = 500while(cap.isOpened()): ret, frame = cap.read() #read a frame fgmask = fgbg.apply(frame) #Use the substractor try: ret,imBin= cv2.threshold(fgmask,200,255,cv2.THRESH_BINARY) #Opening (erode->dilate) mask = cv2.morphologyEx(imBin, cv2.MORPH_OPEN, kernelOp) #Closing (dilate -> erode) mask = cv2.morphologyEx(mask , cv2.MORPH_CLOSE, kernelCl) except: #if there are no more frames to show... print('EOF') break _, contours0, hierarchy = cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) for cnt in contours0: cv2.drawContours(frame, cnt, -1, (0,255,0), 3, 8) area = cv2.contourArea(cnt) if area > areaTH: ################# # TRACKING # ################# M = cv2.moments(cnt) cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) x,y,w,h = cv2.boundingRect(cnt) new = True for i in cars: if abs(x-i.getX()) <= w and abs(y-i.getY()) <= h: # the object is close to one that was already detected before new = False i.updateCoords(cx,cy) #Update coordinates on the object and resets age break if new == True: p = Car.MyCar(pid,cx,cy, max_p_age) cars.append(p) pid += 1 cv2.circle(frame,(cx,cy), 5, (0,0,255), -1) img = cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2) cv2.drawContours(frame, cnt, -1, (0,255,0), 3) for i in cars: if len(i.getTracks()) >= 2: pts = np.array(i.getTracks(), np.int32) pts = pts.reshape((-1,1,2)) frame = cv2.polylines(frame,[pts],False,i.getRGB()) if i.getId() == 9: print (str(i.getX()), ',', str(i.getY())) cv2.putText(frame, str(i.getId()),(i.getX(),i.getY()),font,0.3,i.getRGB(),1,cv2.LINE_AA) cv2.imshow('Frame',frame) #Abort and exit with 'Q' or ESC k = cv2.waitKey(30) & 0xff if k == 27: breakcap.release() #release video filecv2.destroyAllWindows() #close all openCV windows

9.計數

你之前的部分已經知道如何檢測對象運動的方法。現在，我們必須看到這個列表并確定對象是否在我們的視頻中向上或下降。要做到這一點，首先將創造兩條線，這將顯示什么時候來評估對象的方向(line_up，line_down)。而且還會有兩行界限，告訴我們什么時候停止跟蹤物體(up_limit，down_limit)。

本文僅代表作者個人觀點，不代表SEO研究協會網官方發聲，對觀點有疑義請先聯系作者本人進行修改，若內容非法請聯系平臺管理員，郵箱cxb5918@163.com。更多相關資訊，請到SEO研究協會網www.seoxiehui.cn學習互聯網營銷技術請到巨推學院www.jutuiedu.com。

總結

以上是生活随笔為你收集整理的python图像计数_计算机视觉：利用OpenCV和Python进行车辆计数详细步骤的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。