opencv可以有多有趣

opencv可以有多有趣

前言

这一段时间没怎么写博客,偶尔写一次也是比较正经的博客,感觉自己都不正常了。今天看课的时候突然来了灵感,那就整个烂活玩一玩。

先把视频中的人物边缘找出来,然后再在一张白色底板上绘制出来,再配以rgb的变化,会是什么样的!

来试试吧

opencv可以有多有趣

; 内容

首先我们需要一个有人物的视频,建议使用哪些人物和背景区分度比较高的视频。

opencv可以有多有趣

我么想要完成的功能就是在视频中把一个人的轮廓画出来,然后随着视频一起播放。

接下来就可以聊聊解决思路了。

第一步其实先把图像给整成灰度图,直接使用opencv的cvtColor函数即可

接下来为了方便提取人物的轮廓,我们需要做一下二值处理,这里使用的函数是threshold,这个函数中会设置一个的阈值,当像素值超过这个阈值时,会直接将像素值设置为我们预定的像素值,当小于阈值时,则会将像素值设置为0,这样就可以得到一个二值图像。如下图所示,可以看到轮廓很清晰了

opencv可以有多有趣

相对于原视频,这个时候的图像已经很清楚的展示出了我们需要的内容,并且很容易就可以提取出轮廓

这之后,再将轮廓画在视频上就可以了,如下图

opencv可以有多有趣

接下来就可以开始搞代码了

实现

完整代码如下

import numpy as np
from 图像识别 import picutils
import cv2

cap = cv2.VideoCapture('xxx.mp4')

m = 0
while (1):
    m += 1

    l = 0

    colos = [[0, 0, 255], [0, 255, 0], [255, 0, 0]]

    ret, frame = cap.read()

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY)[1]

    edged = cv2.Canny(thresh, 75, 150)

    cnts = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]

    real_cnts=[]
    for c in cnts:
        if cv2.arcLength(c,True)>30:
            real_cnts.append(c)

    back = np.zeros((480, 720, 3), dtype="uint8") + 255

    if  m == 5:
        l = (l + 1) % 3
        m=0

    cv2.drawContours(back, real_cnts, -1, colos[l], 3)
    cv2.imshow('frame', back)
    k = cv2.waitKey(60) & 0xff

    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

成果

成果如下

opencv可以有多有趣

刚接触opencv做的很粗糙

opencv可以有多有趣

Original: https://blog.csdn.net/qq_43627076/article/details/125963655
Author: 小王不头秃
Title: opencv可以有多有趣

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/636292/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

  • 大数据分析那点事

    写在前文, 首先声明博主对数据分析领域也在不断学习当中,文章中难免可能会出现一些错误,欢迎大家及时指正,博主在此之前也曾对不同量级、不同领域的数据进行过分析,但是在过程中总是感觉有…

    人工智能 2023年7月15日
    055
  • 为什么使用softmax作为多分类的概率函数

    首先我们知道神经网络输出层的结果一般无法直接作为概率值,因为它既包含负值,加和也不为1,这是不满足概率的定义的。因此首先我们需要对其做一个转化使得: 向量值全为非负值 向量值加和等…

    人工智能 2023年7月1日
    0115
  • yolov5简要介绍

    YOLOV5 有不同的版本,不同版本的网络结构略有差异,但大致都差不多。这里以YOLOV5s 说明。 1、网络结构: Backbone : Focus + CSPX + SPP f…

    人工智能 2023年7月26日
    048
  • 2.1 Traditional Feature-based Methods Node

    今天主要讲解传统的图形和机器学习方法。 我们可以在图标中执行的不同级别的任务,特别是我们可以考虑节点级别的预测任务,可以考虑链接级别或边缘级别的预测任务,考虑成对的节点并试图预测是…

    人工智能 2023年6月10日
    083
  • 【机器学习】K-means算法Python实现教程

    阅读须知: 阅读本文需要有一定的Python及Numpy基础 本文将介绍: K-means算法实现步骤 使用Python实现K-means算法 借助Numpy的向量计算提升计算速度…

    人工智能 2023年6月19日
    064
  • python kfold交叉验证_kfold交叉验证python

    我是python的初学者。我写了下面的函数来分区从csv文件读取的数据。索引生成没有错误,但是当我用这个索引拆分df时,结果是不正确的。我的代码怎么了?在def partition…

    人工智能 2023年7月8日
    052
  • 如何将一节课转成文字文稿

    如何将课文免费转换为文本 [En] How to convert a lesson into text for free 文章目录 如何免费将一节课转成文字文稿 准备工作 一、录制…

    人工智能 2023年5月23日
    093
  • 中值滤波器 median filter

    中值滤波 中值滤波器(median filter)是将每个像素替换为围绕这个像素的矩形领域内的中值,或”中值像素”。 通过平均的简单模糊对噪声图像,由其是有…

    人工智能 2023年7月26日
    053
  • 图自监督学习综述:Graph Self-Supervised Learning A Survey

    Introduction 为什么需要自监督学习? 图上的深度学习近些年十分流行,但是现有的工作大部分都是监督或半监督学习(需要人工标注标签)。基于监督学习和半监督学习的方法存在一些…

    人工智能 2023年6月16日
    056
  • tensorflow-gpu==2.0.0的安装

    *一、 *tensorflow-gpu==2.0.0的安装我的版本我cudnn7.6.5 cudn10.0 python 3.6.5(感觉官网的有些匹配不一定对,因为这里cudnn…

    人工智能 2023年5月25日
    0141
  • 【OpenCV 例程200篇】203. 伪彩色图像处理

    OpenCV 例程200篇 总目录201. 图像的颜色空间转换202. 查表快速替换(cv.LUT)203. 伪彩色图像处理204. 图像的色彩风格滤镜205. 调节色彩平衡/饱和…

    人工智能 2023年6月18日
    073
  • HMM(隐马尔科夫模型)

    HMM模型基础 隐马尔科夫模型(Hidden Markov Model,以下简称HMM)是比较经典的机器学习模型了,它在语言识别,自然语言处理,模式识别等领域得到广泛的应用。当然,…

    人工智能 2023年5月27日
    091
  • 最小二乘法

    假设有一系列数据点( x i , y i ) ( i = 1 , . . . , m ) (x_i, y_i)(i=1,…,m)(x i ​,y i ​)(i =1 ,…

    人工智能 2023年7月17日
    039
  • python个人bug修炼手册

    文章目录 * – 问题一:python: can’t open file ‘argparse_learning_1.py’: [Er…

    人工智能 2023年7月6日
    056
  • 频繁模式挖掘——概述

    频繁模式挖掘(Frequent Pattern Mining) 事务:由事务号和项集组成。事务是一次购买行为。项:最小处理单元,即购买的物品。项集:由一个或多个项组成。支持度计数:…

    人工智能 2023年7月17日
    082
  • AutoML—应用TPOT实现回归预测

    TPOT是一种AutoML的工具,借助遗传算法来生成Pipeline代码。基于Python,建立在scikit-learn的基础上。 主要原理:遗传算法进行特征、模型选择目的:实现…

    人工智能 2023年6月17日
    096
亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球