【计算机视觉】opencv-停车位检测原理及代码演示

本文介绍了一种基于OpenCV库的停车场空位检测方法。通过本项目演示，可以对opencv库有更深刻的理解。文章详细阐述了检测原理、算法流程以及代码实现。

基于OpenCV的停车位检测原理涉及多个图像处理步骤，以下将结合相关公式详细介绍每个步骤：

灰度化是图像处理的第一步，它将彩色图像转换为灰度图像，减少后续处理的计算量。灰度化公式如下：

Igray(x,y)=0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y)Igray (x ,y )=0.299×R (x ,y )+0.587×G (x ,y )+0.114×B (x ,y)

其中，R(x,y)R (x ,y )、G(x,y)G (x ,y )和B(x,y)B (x ,y )分别是图像在点(x,y)(x ,y)处的红色、绿色和蓝色通道值。

高斯模糊用于减少图像噪声并平滑图像。它通过高斯核与图像卷积实现，公式如下：

Iblur(x,y)=∑i=−nn∑j=−nnw(i,j)×Igray(x+i,y+j)Iblur (x ,y )=i =−n ∑n j =−n ∑n w (i ,j )×Igray (x +i ,y +j)

其中，w(i,j)w (i ,j )是高斯分布权重，nn是核大小的一半。

自适应阈值分割根据图像不同区域的光照条件自动调整阈值。公式如下：

Ibin(x,y)={255if Iblur(x,y)>T(x,y)0otherwiseIbin (x ,y )={2550if Iblur (x ,y )>T (x ,y)otherwise

其中，T(x,y)T (x ,y) 是自适应阈值，计算公式为：

T(x,y)=∑i=−kk∑j=−kkIblur(x+i,y+j)(2k+1)2−CT (x ,y )=(2k +1)2∑i =−kk ∑j =−kk Iblur (x +i ,y +j )−C

这里，kk 是局部区域大小的一半，CC是常数，用于调整阈值。

中值滤波是一种非线性数字滤波技术，用于去除图像中的椒盐噪声。它将每个像素值替换为其邻域内的中值。

膨胀操作用于扩大图像中的前景区域，填充小的孔洞。公式如下：

Idilate(x,y)=max⁡(i,j)∈S(Ibin(x+i,y+j)⊗K)Idilate (x ,y )=(i ,j )∈S max(Ibin (x +i ,y +j )⊗K)

其中，SS 是结构元素KK的邻域，⊗⊗表示膨胀操作。

车位检测基于上述处理后的二值图像。以下是检测原理：

最后，在原始视频帧上绘制矩形框来标记空车位，并可以在框内显示文本信息，如"空车位"。通过以上步骤，OpenCV停车位检测系统能够有效地识别出停车场中的空闲车位。这些步骤结合了图像处理和计算机视觉技术，使得系统能够适应不同的光照条件和环境变化。

下面是代码的详细解释

复制代码

import cv2
import pickle
import cvzone
import numpy as np

这些是导入语句，用于引入所需的库。
- cv2：用于图像处理和计算机视觉。
- pickle：用于序列化和反序列化Python对象。
- cvzone：提供一些辅助函数，用于在图像上添加文本等。
- numpy：用于数值计算。
  
  cap = cv2.VideoCapture('carPark.mp4')
创建一个VideoCapture对象来读取视频文件。
- 参数：视频文件的路径。
  
  with open('CarParkPos', 'rb') as f:
  posList = pickle.load(f)
打开一个包含停车场位置信息的文件，并加载这些位置到posList。
- pickle.load(f)：从文件中反序列化对象。
  
  width, height = 107, 48
定义停车位矩形的宽度和高度。

def checkParkingSpace(imgPro):
spaceCounter = 0
for pos in posList:
x, y = pos
imgCrop = imgPro[y:y + height, x:x + width]
count = cv2.countNonZero(imgCrop)
if count < 900:
color = (0, 255, 0) # Green
thickness = 5
spaceCounter += 1
else:
color = (0, 0, 255) # Red
thickness = 2
cv2.rectangle(img, pos, (pos[0] + width, pos[1] + height), color, thickness)
cvzone.putTextRect(img, str(count), (x, y + height - 3), scale=1, thickness=2, offset=0, colorR=color)
cvzone.putTextRect(img, f'Free: {spaceCounter}/{len(posList)}', (100, 50), scale=3, thickness=5, offset=20, colorR=(0,200,0))
checkParkingSpace函数：检查每个停车位是否被占用。
- cv2.countNonZero(imgCrop)：计算图像中非零像素的数量。