计算机视觉图像识别16.1-停车位识别的图像预处理

本章节完成停车场监控视频中停车位实时情况的动态识别。

首先,来做图像的预处理。

下面的两张图片是从一段停车场监控中截取的视频截图:

首先,我们来定义函数select_rgb_white_yellow,用于从函数中提取白色和黄色区域,并把处理后的图像进行返回。

设置颜色范围:lower 表示最低 RGB 值 120,120,120,upper 表示最高 RGB 值 255,255,255。

使用 cv2.inRange 创建一个白色掩码 white_mask,筛选出图像中在指定 RGB 范围内的像素。

调用 self.cv_show 显示白色掩码图像。

使用 cv2.bitwise_and 将原始图像与白色掩码结合,生成仅包含白色区域的图像 masked。

调用 self.cv_show 显示处理后的图像。
登录后复制

plain 复制代码
def select_rgb_white_yellow(self,image):
        lower = np.array([120,120,120])
        upper = np.array([255,255,255])
        white_mask = cv2.inRange(image,lower,upper)
        self.cv_show('white_mask',white_mask)

        masked = cv2.bitwise_and(image,image,mask=white_mask)
        self.cv_show('masked',masked)
        return masked

然后进行停车场图像的轮廓提取。
登录后复制

plain 复制代码
def convert_gray_scale(self,image):
        return cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

    def detect_edges(self,image,low_threshold=50,high_threshold=200):
        return cv2.Canny(image,low_threshold,high_threshold)

通过以下方式调用:
登录后复制

plain 复制代码
gray_images = list(map(park.convert_gray_scale,white_yellow_images))
    park.show_img(gray_images)

    edge_images = list(map(lambda image:park.detect_edges(image),gray_images))
    park.show_img(edge_images)

接下来,把关注重心放在停车场区域,无关紧要的范围进行删除。

大致标定停车场轮廓角点:
登录后复制

plain 复制代码
def select_region(self, image):
        # first, define the polygon by vertices
        rows, cols = image.shape[:2]
        pt_1 = [cols * 0.05, rows * 0.90]
        pt_2 = [cols * 0.05, rows * 0.70]
        pt_3 = [cols * 0.30, rows * 0.55]
        pt_4 = [cols * 0.6, rows * 0.15]
        pt_5 = [cols * 0.90, rows * 0.15]
        pt_6 = [cols * 0.90, rows * 0.90]

        vertices = np.array([[pt_1, pt_2, pt_3, pt_4, pt_5, pt_6]], dtype=np.int32)
        point_img = image.copy()
        point_img = cv2.cvtColor(point_img, cv2.COLOR_GRAY2RGB)
        for point in vertices[0]:
            cv2.circle(point_img, (point[0], point[1]), 10, (0, 0, 255), 4)
        self.cv_show('point_img', point_img)

        return self.filter_region(image, vertices)

把无关区域剪除掉:
登录后复制

plain 复制代码
def filter_region(self, image, vertices):
        mask = np.zeros_like(image)
        if len(mask.shape) ==2:
            cv2.fillPoly(mask, vertices, 255)
            self.cv_show('mask', mask)
        return cv2.bitwise_and(image, mask)

调用方法:
登录后复制

plain 复制代码
roi_images = list(map(park.select_region,edge_images))
park.show_img(roi_images)

调用结果:

相关推荐
Bowen_J14 分钟前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒25 分钟前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术44 分钟前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
字节跳动开源1 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计
Bacon1 小时前
我把 Codex 塞进了 Touch Bar:一个 30pt 高的额度与对话面板
人工智能
衡石科技1 小时前
企业级 BI 的安全治理:衡石如何贯通认证、数据权限与审计
大数据·人工智能·安全·商业智能
网易云信2 小时前
折叠屏适配,iPhone Duo 真机已交付:网易云信 IMUIKit Swift 的实践
人工智能
Be for thing3 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
十有八七3 小时前
手搓 Agent(一):先有大脑——大模型只会做一件事
前端·人工智能·后端
锋行天下3 小时前
「踩坑实录」给 LangGraph Agent 接两个 FastMCP,我被 langchain 偷偷改了工具名
前端·人工智能·后端