我要评论目录
一. 使用摄像头
1. 将摄像头连接到我们树莓派
注意：将摄像头的usb口连接到树莓派的任意一个usb口后再开机。一定要先接摄像头再开机，不然树莓派无法识别。
输入lsusb或者ls /dev/video*命令
查看是否有id：05a3:9230 arc international camera或者/dev/video0 设备
有的话说明树莓派已经检测到我们的摄像头设备，可以进行下一步操作
二．升级系统
要使用摄像头模块，你必须使用一个较新的操作系统，它能识别出摄像头模块已连接上。最简单的方法就是直接从树莓派官网去下载一个raspbian的系统镜像然后安装到一个全新的sd卡上。
不管你用的raspbian系统版本是什么，都强烈推荐你用如下的命令来更新一下系统：
sudo apt-get update
sudo apt-get upgrade
三．在raspi-config中使能ssh和摄像头服务
sudo raspi-config
选择第5个，按enter键进入配置
先选择第二个ssh：使能ssh服务（如果已开ssh请忽略此步骤）。
接下来选择第一个camera：使能摄像头服务。
重启我们的树莓派。
sudo reboot
二. 安装opencv
本篇文章是针对python3.8 版本以下的python。
1.查看自己系统的python
清华提供的python有两个版本，分别为python 2.7.16 和 python 3.7.3
2.换源（非常非常重要，成不成功主要看这里）
先在 lx_终端 输入以下代码
sudo nano /etc/apt/sources.list
然后得到如下界面
将里面的代码注释掉（代码前加 # ）或者 直接全部删掉，完成后效果如下
将以下代码粘贴进去
deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ buster main non-free contrib rpi
随后同时按下 ctrl + x 键，得到如下界面
然后按 y 键，再回车即可，这样就换好一个源了
同理，按照上述步骤更改下一个源
输入以下代码
sudo nano /etc/apt/sources.list.d/raspi.list
将以下代码粘贴进去
deb http://mirrors.tuna.tsinghua.edu.cn/raspberrypi/ buster main ui
换源结束，输入以下代码 (这一步一定要有，不然会出错)
sudo apt-get update
3. 安装opencv
上述步骤完成后，输入以下代码（基于python3）
sudo apt-get install python3-opencv -y
出现下面的界面就是安装完成了，如果报错去看一下自己换源了没有，或者源是否正确以及是否 sudo apt-get update
三. 测试opencv
输入： python3
然后再输入： import cv2
四. 解决摄像头分辨率问题
树莓派上opencv默认读取yuy2格式，所以我们要将视频切换成mjpg格式。且要更改摄像头的分辨率。
# -*- coding: cp936 -*-
"""
author:zhangbo
date:2019-11-07
discription:read camaro picture and save
"""
import cv2,os,time,datetime
import numpy as np
class camarocap(object):
""" 打开视频流 """
def __init__(self):
self.cap = cv2.videocapture(0)
#self.cap.set(cv2.cap_prop_fps, 120) 这个有时候生效，有时候不生效不知道是什么原因
self.cap.set(cv2.cap_prop_frame_width, 800)
self.cap.set(cv2.cap_prop_frame_height, 600)
self.cap.set(cv2.cap_prop_fourcc, cv2.videowriter_fourcc('m', 'j', 'p', 'g'))
""" 图片信息打印 """
def get_image_info(self,image):
print(type(image))
print(image.shape)
print(image.size)
print(image.dtype)
pixel_data = np.array(image)
print(pixel_data)
""" 逐帧读取数据并保存图片到本地制定位置 """
def camaro_image(self):
i = 0
while(true):
ret,frame = self.cap.read() #ret：true或者false，代表有没有读取到图片;frame：表示截取到一帧的图片
if ret == false:
break
#self.get_image_info(frame) # print("打印图片信息") 注意：调试的时候可以打开，如果是一直运行程序，建议把这行代码注释掉，避免影响内存占用
cv2.imshow('capture',frame) # 展示图片
mtime = datetime.datetime.now().strftime('%y-%m-%d_%h_%m_%s')
print(mtime)
cv2.imwrite(r"d:\image\\" + str(i) + str("-") + mtime + ".jpg",frame) # 保存图片
i = i + 1
if cv2.waitkey(1) & 0xff == ord('q'):
break
if __name__ == '__main__':
outmasages = camarocap()
outmasages.camaro_image() # 调用摄像头
outmasages.cap.release() # 释放对象和销毁窗口
cv2.destroyallwindows()
五. opencv实现颜色追踪与识别
import cv2
import numpy as np #导入库
blue_lower = np.array([100,43,46])
blue_upper = np.array([124,255,255]) #设置颜色区间
cap = cv2.videocapture(0) #打开摄像头
cap.set(3,640)
cap.set(4,480) #设置窗口的大小
while 1: #进入无线循环
ret,frame = cap.read() #将摄像头拍摄到的画面作为frame的值
frame = cv2.gaussianblur(frame,(5,5),0) #高斯滤波gaussianblur() 让图片模糊
hsv = cv2.cvtcolor(frame,cv2.color_bgr2hsv) #将图片的色域转换为hsv的样式 以便检测
mask = cv2.inrange(hsv,blue_lower,blue_upper) #设置阈值，去除背景 保留所设置的颜色
mask = cv2.erode(mask,none,iterations=2) #显示腐蚀后的图像
mask = cv2.gaussianblur(mask,(3,3),0) #高斯模糊
res = cv2.bitwise_and(frame,frame,mask=mask) #图像合并
cnts = cv2.findcontours(mask.copy(),cv2.retr_external,cv2.chain_approx_simple)[-2] #边缘检测
if len(cnts) >0 : #通过边缘检测来确定所识别物体的位置信息得到相对坐标
cnt = max(cnts,key=cv2.contourarea)
(x,y),radius = cv2.minenclosingcircle(cnt)
cv2.circle(frame,(int(x),int(y)),int(radius),(255,0,255),2) #画出一个圆
print(int(x),int(y))
else:
pass
cv2.imshow('frame',frame) #将具体的测试效果显示出来
cv2.imshow('mask',mask)
cv2.imshow('res',res)
if cv2.waitkey(5) & 0xff == 27: #如果按了esc就退出 当然也可以自己设置
break
cap.release()
cv2.destroyallwindows() #后面两句是常规操作,每次使用摄像头都需要这样设置一波
六. 可视化hsv色彩空间阈值编辑器
# -*- coding:utf-8 -*-
import cv2
import numpy as np
"""
功能：读取一张图片，显示出来，转化为hsv色彩空间
并通过滑块调节hsv阈值，实时显示
"""
image = cv2.imread('1.jpg') # 根据路径读取一张图片，opencv读出来的是bgr模式
cv2.imshow("bgr", image) # 显示图片
hsv_low = np.array([0, 0, 0])
hsv_high = np.array([0, 0, 0])
# 下面几个函数，写得有点冗余
def h_low(value):
hsv_low[0] = value
def h_high(value):
hsv_high[0] = value
def s_low(value):
hsv_low[1] = value
def s_high(value):
hsv_high[1] = value
def v_low(value):
hsv_low[2] = value
def v_high(value):
hsv_high[2] = value
cv2.namedwindow('image',cv2.window_autosize)
#h low：
# 0：指向整数变量的可选指针，该变量的值反映滑块的初始位置。
# 179：表示滑块可以达到的最大位置的值为179，最小位置始终为0。
#h_low：指向每次滑块更改位置时要调用的函数的指针，指针指向h_low元组，有默认值0。
（此函数的原型应为void xxx (int, void *); ，其中第一个参数是轨迹栏位置，第二个参数是用户数据（请参阅下一个参数）。如果回调是null指针，则不调用任何回调，而仅更新值。）
cv2.createtrackbar('h low', 'image', 0, 179, h_low)
cv2.createtrackbar('h high', 'image', 0, 179, h_high)
cv2.createtrackbar('s low', 'image', 0, 255, s_low)
cv2.createtrackbar('s high', 'image', 0, 255, s_high)
cv2.createtrackbar('v low', 'image', 0, 255, v_low)
cv2.createtrackbar('v high', 'image', 0, 255, v_high)
while true:
dst = cv2.cvtcolor(image, cv2.color_bgr2hsv) # bgr转hsv
dst = cv2.inrange(dst, hsv_low, hsv_high) # 通过hsv的高低阈值，提取图像部分区域
cv2.imshow('dst', dst)
if cv2.waitkey(1) & 0xff == ord('q'):
break
cv2.destroyallwindows()至此，我们就完成了树莓派从镜像烧录到实现颜色识别，这样我们最基础的使用树莓派即完成了
七. 参考链接
1. https://blog.csdn.net/weixin_45911959/article/details/122709090?utm_source=miniapp_weixin
2.https://blog.csdn.net/noamanelson/article/details/103135056
3.https://blog.csdn.net/weixin_43635647/article/details/97397153?utm_source=miniapp_weixin
4. https://blog.csdn.net/luoyir1997/article/details/109159792?utm_source=miniapp_weixin
5. gitee链接分享：
树莓派: 树莓派从镜像烧录到实现颜色识别
https://gitee.com/didiao-hhh/raspberry-pi
发表评论