opencv轨迹条的运用

简介: 轨迹条运用

1.创造窗口,创造轨迹条

cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,240)
cv2.createTrackbar("Hue Min","TrackBars",0,179,empty)
cv2.createTrackbar("Hue Max","TrackBars",179,179,empty)
cv2.createTrackbar("Sat Min","TrackBars",0,255,empty)
cv2.createTrackbar("Sat Max","TrackBars",255,255,empty)
cv2.createTrackbar("Val Min","TrackBars",85,255,empty)
cv2.createTrackbar("Val Max","TrackBars",255,255,empty)

2.把轨迹条的参数改变和图片关联起来

    h_min = cv2.getTrackbarPos("Hue Min", "TrackBars")
    h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")
    s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")
    s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")
    v_min = cv2.getTrackbarPos("Val Min", "TrackBars")
    v_max = cv2.getTrackbarPos("Val Max", "TrackBars")

3.运用于图片

    lower = np.array([h_min, s_min, v_min])
    upper = np.array([h_max, s_max, v_max])
    mask = cv2.inRange(imgHSV, lower, upper)
    imgResult=cv2.bitwise_and(img,img,mask=mask)

4.完整代码

import cv2
import numpy as np

def empty(a):
    pass

path="D:/shijue/bij.jpg"
#创建轨迹条
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,240)
cv2.createTrackbar("Hue Min","TrackBars",0,179,empty)
cv2.createTrackbar("Hue Max","TrackBars",179,179,empty)
cv2.createTrackbar("Sat Min","TrackBars",0,255,empty)
cv2.createTrackbar("Sat Max","TrackBars",255,255,empty)
cv2.createTrackbar("Val Min","TrackBars",85,255,empty)
cv2.createTrackbar("Val Max","TrackBars",255,255,empty)

while True:
    img=cv2.imread(path)
    imgHSV=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    #应用于图片
    h_min = cv2.getTrackbarPos("Hue Min", "TrackBars")
    h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")
    s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")
    s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")
    v_min = cv2.getTrackbarPos("Val Min", "TrackBars")
    v_max = cv2.getTrackbarPos("Val Max", "TrackBars")
    print(h_max,h_min,s_min,s_max,v_max,v_min)
    lower = np.array([h_min, s_min, v_min])
    upper = np.array([h_max, s_max, v_max])
    mask = cv2.inRange(imgHSV, lower, upper)
    imgResult=cv2.bitwise_and(img,img,mask=mask)
    cv2.namedWindow("Orginal",0)
    cv2.resizeWindow("Orginal",600,400)
    cv2.namedWindow("rest",0)
    cv2.resizeWindow("rest",600,400)
    cv2.imshow("Orginal", img)
    cv2.imshow("rest",imgResult)
    if cv2.waitKey(1)&0xFF==ord('p'):  #按任意键停止
        break

5.运行结果

在这里插入图片描述
在这里插入图片描述

目录
相关文章
|
7月前
|
存储 编解码 算法
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
119 0
|
7月前
|
计算机视觉
OpenCV轮廓分析
OpenCV轮廓分析
|
8月前
|
计算机视觉
【OpenCV】-边缘检测汇总示例
【OpenCV】-边缘检测汇总示例
|
8月前
|
计算机视觉
OpenCV HSV物体跟踪
OpenCV HSV物体跟踪
55 0
|
8月前
|
算法 计算机视觉 Python
OpenCV 4基础篇| OpenCV图像的裁切
OpenCV 4基础篇| OpenCV图像的裁切
|
Python
Python基于大量栅格遥感影像绘制直方图
本文介绍基于Python中gdal模块,实现对大量栅格图像批量绘制直方图的方法~
256 1
|
API 计算机视觉
OpenCV 轨迹条Trackba应用
OpenCV 轨迹条Trackba应用
148 0
OpenCV 轨迹条Trackba应用
|
计算机视觉
OpenCV Point:二维/三维点
OpenCV Point:二维/三维点
247 0
OpenCV Point:二维/三维点
|
计算机视觉
OpenCV | OpenCV检测图像轮廓
OpenCV | OpenCV检测图像轮廓
166 0
OpenCV | OpenCV检测图像轮廓
|
计算机视觉 算法
(4opencv)对OpenCV中“旋转”的思考和实验
​    我记得曾经有人对OpenCV的旋转吐槽,意思是它自己没有很好的关于选择的算法。在新的版本里面添加了这些函数(我还没有时间去看是什么时候pr的)。现在一个比较棘手的问题,就是OpenCV中旋转是如何定量的,什么是正方向?什么是负方向?什么时候用角度?什么时候用弧度? 下面就是针对这几个问题,通过查资料、做实验的方式搞清楚。
1608 0