2.23 LAB 値処理による画像の輪郭・中心点の表示

実験の目的

1. スライダーを使って画像の LAB 値を取得します。

2. 画像の輪郭と中心点を表示できるようになります。

3. 色分割、モルフォロジー処理によるノイズ除去、輪郭検出、面積フィルタリングの方法を理解します。

機能要件

スライダーで LAB しきい値を動的に調整して色分割を行い、検出した物体を元画像上に赤い輪郭で表示し、中心点を黄色で描画します。

ハードウェアの準備

回路接続

ソフトウェア設計

設計フローチャート

ソースコードのダウンロード

ソースコードファイル：08_get_lab_strip_counters_limit.rar

プログラムコード

完全なプロジェクトコードは（ソースコードファイル）をクリックしてダウンロードしてください。

"""
---------------------------------------------------------------
程序功能: 使用托条工具,显示lab处理之后,标出满足条件轮廓图片的中心点

---------------------------------------------------------------
"""

import cv2
import numpy as np

# ==================== 初始化摄像头 ====================
# 打开默认摄像头（使用udev规则）
# "/dev/mycamera" 是通过udev规则创建的符号链接，指向固定的物理摄像头
cap = cv2.VideoCapture("/dev/mycamera")
#cap = cv2.VideoCapture(0)  # 打开默认摄像头（设备索引通常是 0）

# 检查摄像头是否成功打开
if not cap.isOpened():
    print("错误：无法打开摄像头")
    exit()

# ==================== 创建 Lab 控制窗口 ====================
# 创建名为 "Lab Control" 的窗口，用于放置滑动条
cv2.namedWindow("Lab Control")

# ==================== 创建6个滑动条 ====================
# 每个滑动条对应 Lab 的一个分量的下限或上限
# Lab 各分量的取值范围：L:0~255, a:0~255, b:0~255
# 注意：理论上 a 和 b 是有负值的，但 OpenCV 中映射到 0~255 范围
cv2.createTrackbar("L Lower", "Lab Control", 0, 255, lambda x: None)   # 亮度下限
cv2.createTrackbar("L Upper", "Lab Control", 255, 255, lambda x: None)  # 亮度上限
cv2.createTrackbar("a Lower", "Lab Control", 0, 255, lambda x: None)   # 绿-红轴下限
cv2.createTrackbar("a Upper", "Lab Control", 255, 255, lambda x: None)  # 绿-红轴上限
cv2.createTrackbar("b Lower", "Lab Control", 0, 255, lambda x: None)   # 蓝-黄轴下限
cv2.createTrackbar("b Upper", "Lab Control", 255, 255, lambda x: None)  # 蓝-黄轴上限

# ==================== 设置滑动条初始值（浅绿色/黄绿色范围） ====================
# 这些值是通过实验7（鼠标点击查看Lab值）获取的参考值
# 用于分割浅绿色/黄绿色的物体
cv2.setTrackbarPos("L Lower", "Lab Control", 125)   # 亮度下限：不选太暗的区域
cv2.setTrackbarPos("L Upper", "Lab Control", 255)   # 亮度上限：亮部全选
cv2.setTrackbarPos("a Lower", "Lab Control", 82)    # a 下限：偏红方向
cv2.setTrackbarPos("a Upper", "Lab Control", 120)   # a 上限：偏绿方向
cv2.setTrackbarPos("b Lower", "Lab Control", 70)    # b 下限：偏蓝方向
cv2.setTrackbarPos("b Upper", "Lab Control", 123)   # b 上限：偏黄方向

# ==================== 定义颜色常量 ====================
ORANGE = (0, 165, 255)  # 橙色（BGR格式），用于绘制中心点
RED = (0, 0, 255)       # 红色（BGR格式），用于绘制轮廓

# ==================== 主循环：实时采集并处理 ====================
while True:
    # 从摄像头读取一帧图像
    ret, frame = cap.read()

    # 检查是否成功读取到图像
    if not ret:
        break

    # ========== 1. 颜色空间转换 ==========
    # 将 BGR 图像转换为 Lab 颜色空间
    # Lab 颜色空间更接近人眼感知，颜色距离计算更均匀
    lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)

    # ========== 2. 读取滑动条值 ==========
    # 获取每个滑动条的位置（用户通过拖动滑动条调整的值）
    L_low = cv2.getTrackbarPos("L Lower", "Lab Control")   # 亮度下限
    L_high = cv2.getTrackbarPos("L Upper", "Lab Control")  # 亮度上限
    a_low = cv2.getTrackbarPos("a Lower", "Lab Control")   # a轴下限（绿-红）
    a_high = cv2.getTrackbarPos("a Upper", "Lab Control")  # a轴上限
    b_low = cv2.getTrackbarPos("b Lower", "Lab Control")   # b轴下限（蓝-黄）
    b_high = cv2.getTrackbarPos("b Upper", "Lab Control")  # b轴上限

    # ========== 3. 构建 Lab 阈值范围数组 ==========
    # 注意：dtype=np.uint8 确保数据类型正确
    lower = np.array([L_low, a_low, b_low], dtype=np.uint8)   # Lab 下限
    upper = np.array([L_high, a_high, b_high], dtype=np.uint8) # Lab 上限

    # ========== 4. 创建掩膜（二值图像） ==========
    # cv2.inRange() 检查每个像素是否在 [lower, upper] 范围内
    #   - 在范围内：输出 255（白色）
    #   - 不在范围内：输出 0（黑色）
    mask = cv2.inRange(lab, lower, upper)

    # ========== 5. 形态学去噪（使轮廓更干净） ==========
    kernel = np.ones((5, 5), np.uint8)       # 创建 5x5 的核
    # 闭运算（先膨胀后腐蚀）：填补小孔，连接邻近区域
    mask_clean = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
    # 开运算（先腐蚀后膨胀）：去除小噪点，平滑边缘
    mask_clean = cv2.morphologyEx(mask_clean, cv2.MORPH_OPEN, kernel)

    # ========== 6. 轮廓检测 ==========
    # cv2.findContours() 查找图像中的轮廓
    #   mask_clean: 输入的二值图像
    #   cv2.RETR_EXTERNAL: 只检测最外层轮廓
    #   cv2.CHAIN_APPROX_SIMPLE: 压缩存储，只保存端点
    contours, hierarchy = cv2.findContours(mask_clean, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # ========== 7. 创建输出图像 ==========
    # 复制原图，用于绘制轮廓和中心点
    output_frame = frame.copy()
    valid_contours = []  # 存储满足面积条件的轮廓

    # ========== 8. 遍历轮廓，计算中心点 ==========
    for cnt in contours:
        # 计算轮廓面积（像素数）
        area = cv2.contourArea(cnt)

        # 面积过滤：只处理面积大于 1000 像素的轮廓
        # 过滤掉小噪点，只保留有效物体
        if area > 1000:
            valid_contours.append(cnt)  # 添加到有效轮廓列表

            # 计算轮廓的矩
            M = cv2.moments(cnt)

            # 避免除零错误
            if M["m00"] != 0:
                # 计算轮廓中心点坐标
                cx = int(M["m10"] / M["m00"])  # 质心 x 坐标
                cy = int(M["m01"] / M["m00"])  # 质心 y 坐标

                # 绘制中心点（橙色实心圆，半径8像素）
                cv2.circle(output_frame, (cx, cy), radius=8, color=ORANGE, thickness=-1)

    # ========== 9. 绘制轮廓 ==========
    # 在原图上绘制所有有效轮廓（红色，线宽2像素）
    cv2.drawContours(output_frame, valid_contours, -1, RED, thickness=2)

    # ========== 10. 横屏拼接显示 ==========
    # 将掩膜（单通道）转换为 BGR 三通道，以便拼接
    mask_bgr = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)

    # 水平拼接：输出图像（左）和掩膜（右）
    combined = np.hstack((output_frame, mask_bgr))

    # ========== 11. 显示 Lab 参数 ==========
    text = f"L:{L_low}-{L_high} a:{a_low}-{a_high} b:{b_low}-{b_high}"
    cv2.putText(combined, text, (10, 30), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)

    # ========== 12. 显示结果 ==========
    cv2.imshow("Original | Mask", combined)

    # ========== 13. 键盘控制 ==========
    # 按 'q' 键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# ==================== 资源释放 ====================
cap.release()          # 释放摄像头设备
cv2.destroyAllWindows()  # 关闭所有OpenCV创建的窗口

操作手順

1. ターミナルを開き、Python プログラムのディレクトリに移動してプログラムを実行します。以下のコマンドを入力してください。

python 08_get_lab_strip_counters_limit.py

実験結果

スライダーで LAB しきい値を動的に調整して色分割を行い、検出した物体を元画像上に赤い輪郭で表示し、中心点を黄色で描画します。

参考結果：

お問い合わせ

資料のダウンロード・技術サポートについては、HumansX株式会社までお問い合わせください。