目錄

效果展示?

基礎理論（HSV）

為什么用HSV空間而不是RGB空間？

HSV

1、Hue（色相）

2、Value（明度）

3、Saturation（飽和度）

一、初始化

滑動條初始化

1、創建回調函數

2、窗口設置（名稱）?

3、滑動條設置

代碼

二、運動函數

三、舵機控制

四、在HSV空間下獲取二值圖

1、獲取滑動條的值

2、轉HSV（三通道：H、S、V）

3、轉二值圖（單通道閾值處理）

4、結合HSV三個通道，得到最終二值圖

代碼

五、圖像處理（總）

1、打開攝像頭

2、獲取HSV色彩空間得到的二值圖

3、高斯濾波

4、開運算去噪

5、閉運算

6、霍夫圓檢測

原理

API

?6-1、霍夫圓檢測

6-2、獲取圓心和半徑坐標

6-3、畫圓

代碼

六、運動控制

總代碼

---

效果展示?

?

?

基礎理論（HSV）

為什么用HSV空間而不是RGB空間？

因為RGB通道并不能很好地反映出物體具體的顏色信息。

而HSV空間能夠非常直觀的表達色彩的明暗、色調、以及鮮艷程度，方便進行顏色之間的對比。

（RGB受光線影響很大，所以采取HSV）

這里用HSV的目的：得到合適的二值圖。

HSV

?

?

Hue（H）：色調、色相（具體的顏色）

Saturation（S）：飽和度、色彩純凈度

Value（V）：明度

Hue范圍是[0,179]，飽和范圍是[0,255]，值范圍是[0,255]

（寫代碼的時候，犯了蠢錯誤：把3個都設成了179，發現死活調不對）

1、Hue（色相）

Hue：色相（具體的顏色）

2、Value（明度）

明度：色彩的明亮程度，單通道亮度（并不等同于整體發光量）。

（明度越高越白，越低越黑，一般提高明度會同時提高R、G、B三通道的數值）

3、Saturation（飽和度）

Saturation：飽和度、色彩純度（越低越灰，越高越純）??。

（一般調高飽和度會降低RGB中相對較低的數值，凸顯主要顏色的純度。 ）

B站視頻講解：

短動畫慢語速1分鐘講清影視調色中色彩形成原理基礎——RGB與HSV

一、初始化

滑動條初始化

這次的初始化，除了電機、舵機、窗口等等的初始化，還有滑動條的初始設置。?

在創建滑動條之前：

1、需要設置窗口名稱，不然窗口都沒有，自然也就無法設置滑動條了。

2、創建回調函數。

1、創建回調函數

def nothing(*arg):pass

2、窗口設置（名稱）?

def Trackbar_Init():# 1 create windowscv2.namedWindow('h_binary')cv2.namedWindow('s_binary')cv2.namedWindow('v_binary')

3、滑動條設置

# 2 Create Trackbarcv2.createTrackbar('hmin', 'h_binary', 6, 179, nothing)  cv2.createTrackbar('hmax', 'h_binary', 26, 179, nothing)  cv2.createTrackbar('smin', 's_binary', 110, 255, nothing)cv2.createTrackbar('smax', 's_binary', 255, 255, nothing)cv2.createTrackbar('vmin', 'v_binary', 140, 255, nothing)cv2.createTrackbar('vmax', 'v_binary', 255, 255, nothing)#   創建滑動條     滑動條值名稱 窗口名稱   滑動條值 滑動條閾值 回調函數

代碼

def Motor_Init():global L_Motor, R_MotorL_Motor= GPIO.PWM(l_motor,100)R_Motor = GPIO.PWM(r_motor,100)L_Motor.start(0)R_Motor.start(0)def Direction_Init():GPIO.setup(left_back,GPIO.OUT)GPIO.setup(left_front,GPIO.OUT)GPIO.setup(l_motor,GPIO.OUT)GPIO.setup(right_front,GPIO.OUT)GPIO.setup(right_back,GPIO.OUT)GPIO.setup(r_motor,GPIO.OUT)def Servo_Init():global pwm_servopwm_servo=Adafruit_PCA9685.PCA9685()def Trackbar_Init():# 1 create windowscv2.namedWindow('h_binary')cv2.namedWindow('s_binary')cv2.namedWindow('v_binary')# 2 Create Trackbarcv2.createTrackbar('hmin', 'h_binary', 6, 179, nothing)  cv2.createTrackbar('hmax', 'h_binary', 26, 179, nothing)  cv2.createTrackbar('smin', 's_binary', 110, 255, nothing)cv2.createTrackbar('smax', 's_binary', 255, 255, nothing)cv2.createTrackbar('vmin', 'v_binary', 140, 255, nothing)cv2.createTrackbar('vmax', 'v_binary', 255, 255, nothing)#   創建滑動條     滑動條值名稱 窗口名稱   滑動條值 滑動條閾值 回調函數def Init():GPIO.setwarnings(False) GPIO.setmode(GPIO.BCM)Direction_Init()Servo_Init()Motor_Init()Trackbar_Init()# 回調函數
def nothing(*arg):pass

二、運動函數

常規操作：向前、向后、向左、向右、停止。?

def Front(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,1)   #left_frontGPIO.output(left_back,0)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,1)  #right_frontGPIO.output(right_back,0)   #right_backdef Back(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,0)   #left_frontGPIO.output(left_back,1)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,0)  #right_frontGPIO.output(right_back,1)   #right_backdef Left(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,0)   #left_frontGPIO.output(left_back,1)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,1)  #right_frontGPIO.output(right_back,0)   #right_backdef Right(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,1)   #left_frontGPIO.output(left_back,0)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,0)  #right_frontGPIO.output(right_back,1)   #right_backdef Stop():L_Motor.ChangeDutyCycle(0)GPIO.output(left_front,0)   #left_frontGPIO.output(left_back,0)    #left_backR_Motor.ChangeDutyCycle(0)GPIO.output(right_front,0)  #right_frontGPIO.output(right_back,0)   #right_back    

三、舵機控制

def set_servo_angle(channel,angle):angle=4096*((angle*11)+500)/20000pwm_servo.set_pwm_freq(50)                #frequency==50Hz (servo)pwm_servo.set_pwm(channel,0,int(angle))

set_servo_angle(4, 110)     #top servo     lengthwise#0:back    180:front    set_servo_angle(5, 90)     #bottom servo  crosswise#0:left    180:right  

四、在HSV空間下獲取二值圖

1、獲取滑動條的值

# 1 get trackbar's valuehmin = cv2.getTrackbarPos('hmin', 'h_binary')hmax = cv2.getTrackbarPos('hmax', 'h_binary')smin = cv2.getTrackbarPos('smin', 's_binary')smax = cv2.getTrackbarPos('smax', 's_binary')vmin = cv2.getTrackbarPos('vmin', 'v_binary')vmax = cv2.getTrackbarPos('vmax', 'v_binary')

2、轉HSV（三通道：H、S、V）

# 2 to HSVhsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)cv2.imshow('hsv', hsv)h, s, v = cv2.split(hsv)

?

3、轉二值圖（單通道閾值處理）

分別對H、S、V三個道閾值處理：

# 3 set threshold (binary image)# if value in (min, max):white; otherwise:blackh_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))v_binary = cv2.inRange(np.array(v), np.array(vmin), np.array(vmax))# 5 Showcv2.imshow('h_binary', h_binary)cv2.imshow('s_binary', s_binary)cv2.imshow('v_binary', v_binary)

4、結合HSV三個通道，得到最終二值圖

對H、S、V三個通道與操作。（H&&S&&V）

# 4 get binarybinary = cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, v_binary))

代碼

# 在HSV色彩空間下得到二值圖
def Get_HSV(image):# 1 get trackbar's valuehmin = cv2.getTrackbarPos('hmin', 'h_binary')hmax = cv2.getTrackbarPos('hmax', 'h_binary')smin = cv2.getTrackbarPos('smin', 's_binary')smax = cv2.getTrackbarPos('smax', 's_binary')vmin = cv2.getTrackbarPos('vmin', 'v_binary')vmax = cv2.getTrackbarPos('vmax', 'v_binary')# 2 to HSVhsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)cv2.imshow('hsv', hsv)h, s, v = cv2.split(hsv)# 3 set threshold (binary image)# if value in (min, max):white; otherwise:blackh_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))v_binary = cv2.inRange(np.array(v), np.array(vmin), np.array(vmax))# 4 get binary（對H、S、V三個通道分別與操作）binary = cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, v_binary))# 5 Showcv2.imshow('h_binary', h_binary)cv2.imshow('s_binary', s_binary)cv2.imshow('v_binary', v_binary)cv2.imshow('binary', binary)return binary

五、圖像處理（總）

1、打開攝像頭

# 1 Capture the framesret, frame = camera.read()image = framecv2.imshow('frame', frame)

2、獲取HSV色彩空間得到的二值圖

（Get_HSV(frame)其實就是步驟四的HSV處理）

# 2 get HSVbinary = Get_HSV(frame)

3、高斯濾波

# 3 Gausi blurblur = cv2.GaussianBlur(binary,(9,9),0)

4、開運算去噪

# 4 Openkernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)cv2.imshow('Open',Open)

5、閉運算

# 5 CloseClose = cv2.morphologyEx(Open, cv2.MORPH_CLOSE, kernel)cv2.imshow('Close',Close)

?

6、霍夫圓檢測

原理

霍夫變換圓檢測是基于圖像梯度實現：

圓心檢測的原理︰圓心是圓周法線的交匯處，設置一個閾值，在某點的相交的直線的條數大于這個閾值就認為該交匯點為圓心。
圓半徑確定原理：圓心到圓周上的距離〔半徑）是相同的，設置一個閾值，只要相同距離的數量大于該閾值，就認為該距離是該圓心的半徑。

API

def HoughCircles(image: Any,method: Any,dp: Any,minDist: Any,circles: Any = None,param1: Any = None,param2: Any = None,minRadius: Any = None,maxRadius: Any = None) -> None

參數：?

• 第二個參數，int類型的method，即使用的檢測方法，目前OpenCV中就霍夫梯度法一種可以使用，它的標識符為CV_HOUGH_GRADIENT，在此參數處填這個標識符即可。
• 第三個參數，double類型的dp，用來檢測圓心的累加器圖像的分辨率于輸入圖像之比的倒數，且此參數允許創建一個比輸入圖像分辨率低的累加器。上述文字不好理解的話，來看例子吧。例如，如果dp= 1時，累加器和輸入圖像具有相同的分辨率。如果dp=2，累加器便有輸入圖像一半那么大的寬度和高度。
• 第四個參數，double類型的minDist，為霍夫變換檢測到的圓的圓心之間的最小距離，即讓我們的算法能明顯區分的兩個不同圓之間的最小距離。這個參數如果太小的話，多個相鄰的圓可能被錯誤地檢測成了一個重合的圓。反之，這個參數設置太大的話，某些圓就不能被檢測出來了。
• 第五個參數，InputArray類型的circles，經過調用HoughCircles函數后此參數存儲了檢測到的圓的輸出矢量，每個矢量由包含了3個元素的浮點矢量(x, y, radius)表示。
• 第六個參數，double類型的param1，有默認值100。它是第三個參數method設置的檢測方法的對應的參數。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示傳遞給canny邊緣檢測算子的高閾值，而低閾值為高閾值的一半。
• 第七個參數，double類型的param2，也有默認值100。它是第三個參數method設置的檢測方法的對應的參數。對當前唯一的方法霍夫梯度法CV_HOUGH_GRADIENT，它表示在檢測階段圓心的累加器閾值。它越小的話，就可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了。
• 第八個參數，int類型的minRadius,有默認值0，表示圓半徑的最小值。
• 第九個參數，int類型的maxRadius,也有默認值0，表示圓半徑的最大值。

?6-1、霍夫圓檢測

# 6 Hough Circle detectcircles = cv2.HoughCircles(Close,cv2.HOUGH_GRADIENT,2,120,param1=120,param2=20,minRadius=20,maxRadius=0)#                                                                     param2:決定圓能否被檢測到（越少越容易檢測到圓，但相應的也更容易出錯）

6-2、獲取圓心和半徑坐標

# 1 獲取圓的圓心和半徑x, y, r = int(circles[0][0][0]),int(circles[0][0][1]),int(circles[0][0][2])print(x, y, r)

6-3、畫圓

# 2 畫圓cv2.circle(image, (x, y), r, (255,0,255),5)cv2.imshow('image', image)

代碼

# 圖像處理
def Image_Processing():global h, s, v# 1 Capture the framesret, frame = camera.read()image = framecv2.imshow('frame', frame)# 2 get HSVbinary = Get_HSV(frame)# 3 Gausi blurblur = cv2.GaussianBlur(binary,(9,9),0)# 4 Openkernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)cv2.imshow('Open',Open)# 5 CloseClose = cv2.morphologyEx(Open, cv2.MORPH_CLOSE, kernel)cv2.imshow('Close',Close)# 6 Hough Circle detectcircles = cv2.HoughCircles(Close,cv2.HOUGH_GRADIENT,2,120,param1=120,param2=20,minRadius=20,maxRadius=0)#                                                                     param2:決定圓能否被檢測到（越少越容易檢測到圓，但相應的也更容易出錯）# judge if circles is existif circles is not None:# 1 獲取圓的圓心和半徑x, y, r = int(circles[0][0][0]),int(circles[0][0][1]),int(circles[0][0][2])print(x, y, r)# 2 畫圓cv2.circle(image, (x, y), r, (255,0,255),5)cv2.imshow('image', image)else:(x,y),r = (0,0), 0return (x,y), r

六、運動控制

根據檢測到的圓，獲取到的坐標、半徑，進行運動控制。

這里可以做到跟蹤小球，前進和后退相配合，“敵進我退，敵退我進”。

# 運動控制（這里可以做到跟蹤小球，前景和后退相配合，“敵進我退，敵退我進”）
def Move((x,y), r):low_xlimit = width/4high_xlimit = 0.75 * width#low_ylimit = 3/4 * heightylimit = 0.75 * heightprint(high_xlimit, ylimit)# 沒檢測到，停止不動if x==0:Stop()# 檢測到在圖片0.75以上的區域（距離正常）elif x>low_xlimit and x<high_xlimit and y<ylimit:Front(60)# 檢測到在圖片0.75以下的區域（距離過近，后退）elif x>low_xlimit and x<high_xlimit and y>=ylimit:Back(60)# 在左0.25區域，向左跟蹤elif x<low_xlimit:Left(60)# 在右0.25區域，向右跟蹤elif x>high_xlimit:Right(60)

總代碼

#Ball Tracking(HSV)
import  RPi.GPIO as GPIO
import time
import Adafruit_PCA9685
import numpy as np
import cv2#set capture window
width, height = 320, 240
camera = cv2.VideoCapture(0)
camera.set(3,width) 
camera.set(4,height) l_motor = 18
left_front   =  22
left_back   =  27r_motor = 23
right_front   = 25
right_back  =  24def Motor_Init():global L_Motor, R_MotorL_Motor= GPIO.PWM(l_motor,100)R_Motor = GPIO.PWM(r_motor,100)L_Motor.start(0)R_Motor.start(0)def Direction_Init():GPIO.setup(left_back,GPIO.OUT)GPIO.setup(left_front,GPIO.OUT)GPIO.setup(l_motor,GPIO.OUT)GPIO.setup(right_front,GPIO.OUT)GPIO.setup(right_back,GPIO.OUT)GPIO.setup(r_motor,GPIO.OUT)def Servo_Init():global pwm_servopwm_servo=Adafruit_PCA9685.PCA9685()def Trackbar_Init():# 1 create windowscv2.namedWindow('h_binary')cv2.namedWindow('s_binary')cv2.namedWindow('v_binary')# 2 Create Trackbarcv2.createTrackbar('hmin', 'h_binary', 6, 179, nothing)  cv2.createTrackbar('hmax', 'h_binary', 26, 179, nothing)  cv2.createTrackbar('smin', 's_binary', 110, 255, nothing)cv2.createTrackbar('smax', 's_binary', 255, 255, nothing)cv2.createTrackbar('vmin', 'v_binary', 140, 255, nothing)cv2.createTrackbar('vmax', 'v_binary', 255, 255, nothing)#   創建滑動條     滑動條值名稱 窗口名稱   滑動條值 滑動條閾值 回調函數def Init():GPIO.setwarnings(False) GPIO.setmode(GPIO.BCM)Direction_Init()Servo_Init()Motor_Init()Trackbar_Init()def Front(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,1)   #left_frontGPIO.output(left_back,0)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,1)  #right_frontGPIO.output(right_back,0)   #right_backdef Back(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,0)   #left_frontGPIO.output(left_back,1)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,0)  #right_frontGPIO.output(right_back,1)   #right_backdef Left(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,0)   #left_frontGPIO.output(left_back,1)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,1)  #right_frontGPIO.output(right_back,0)   #right_backdef Right(speed):L_Motor.ChangeDutyCycle(speed)GPIO.output(left_front,1)   #left_frontGPIO.output(left_back,0)    #left_backR_Motor.ChangeDutyCycle(speed)GPIO.output(right_front,0)  #right_frontGPIO.output(right_back,1)   #right_backdef Stop():L_Motor.ChangeDutyCycle(0)GPIO.output(left_front,0)   #left_frontGPIO.output(left_back,0)    #left_backR_Motor.ChangeDutyCycle(0)GPIO.output(right_front,0)  #right_frontGPIO.output(right_back,0)   #right_backdef set_servo_angle(channel,angle):angle=4096*((angle*11)+500)/20000pwm_servo.set_pwm_freq(50)                #frequency==50Hz (servo)pwm_servo.set_pwm(channel,0,int(angle))# 回調函數
def nothing(*arg):pass# 在HSV色彩空間下得到二值圖
def Get_HSV(image):# 1 get trackbar's valuehmin = cv2.getTrackbarPos('hmin', 'h_binary')hmax = cv2.getTrackbarPos('hmax', 'h_binary')smin = cv2.getTrackbarPos('smin', 's_binary')smax = cv2.getTrackbarPos('smax', 's_binary')vmin = cv2.getTrackbarPos('vmin', 'v_binary')vmax = cv2.getTrackbarPos('vmax', 'v_binary')# 2 to HSVhsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)cv2.imshow('hsv', hsv)h, s, v = cv2.split(hsv)# 3 set threshold (binary image)# if value in (min, max):white; otherwise:blackh_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))v_binary = cv2.inRange(np.array(v), np.array(vmin), np.array(vmax))# 4 get binary（對H、S、V三個通道分別與操作）binary = cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, v_binary))# 5 Showcv2.imshow('h_binary', h_binary)cv2.imshow('s_binary', s_binary)cv2.imshow('v_binary', v_binary)cv2.imshow('binary', binary)return binary# 圖像處理
def Image_Processing():global h, s, v# 1 Capture the framesret, frame = camera.read()image = framecv2.imshow('frame', frame)# 2 get HSVbinary = Get_HSV(frame)# 3 Gausi blurblur = cv2.GaussianBlur(binary,(9,9),0)# 4 Openkernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)cv2.imshow('Open',Open)# 5 CloseClose = cv2.morphologyEx(Open, cv2.MORPH_CLOSE, kernel)cv2.imshow('Close',Close)# 6 Hough Circle detectcircles = cv2.HoughCircles(Close,cv2.HOUGH_GRADIENT,2,120,param1=120,param2=20,minRadius=20,maxRadius=0)#                                                                     param2:決定圓能否被檢測到（越少越容易檢測到圓，但相應的也更容易出錯）# judge if circles is existif circles is not None:# 1 獲取圓的圓心和半徑x, y, r = int(circles[0][0][0]),int(circles[0][0][1]),int(circles[0][0][2])print(x, y, r)# 2 畫圓cv2.circle(image, (x, y), r, (255,0,255),5)cv2.imshow('image', image)else:(x,y),r = (0,0), 0return (x,y), r# 運動控制（這里可以做到跟蹤小球，前景和后退相配合，“敵進我退，敵退我進”）
def Move((x,y), r):low_xlimit = width/4high_xlimit = 0.75 * width#low_ylimit = 3/4 * heightylimit = 0.75 * heightprint(high_xlimit, ylimit)# 沒檢測到，停止不動if x==0:Stop()# 檢測到在圖片0.75以上的區域（距離正常）elif x>low_xlimit and x<high_xlimit and y<ylimit:Front(60)# 檢測到在圖片0.75以下的區域（距離過近，后退）elif x>low_xlimit and x<high_xlimit and y>=ylimit:Back(60)# 在左0.25區域，向左跟蹤elif x<low_xlimit:Left(60)# 在右0.25區域，向右跟蹤elif x>high_xlimit:Right(60)if __name__ == '__main__':Init()set_servo_angle(4, 110)     #top servo     lengthwise#0:back    180:front    set_servo_angle(5, 90)     #bottom servo  crosswise#0:left    180:right  while 1:# 1 Image Process(x,y), r = Image_Processing()# 2 MoveMove((x,y), r)# must include this codes(otherwise you can't open camera successfully)if cv2.waitKey(1) & 0xFF == ord('q'):Stop()GPIO.cleanup()    break

這里的HSV是根據我自己當前的情況調節的，更改場景以后可能需要重新調節H、S、V三通道的閾值（max && min）

基礎的視覺檢測+運動，沒有太多的運動控制算法（PID等等都沒有涉及到）。有好的想法和建議歡迎交流討論，Thanks?(･ω･)ﾉ

總結

以上是生活随笔為你收集整理的树莓派视觉小车 -- 小球追踪（颜色追踪）（OpenCV色彩空间HSV）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。