opencv可以有多有趣

• 前言
• 内容
• 实现
• 成果

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

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。

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

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

接下来就可以开始搞代码了

实现

完整代码如下

import numpy as npfrom 图像识别 import picutilsimport cv2# 读取视频cap = cv2.VideoCapture('xxx.mp4')# 设置标志位 超过5就变色m = 0while (1):    m += 1    # 颜色数组的下标    l = 0    # 颜色数组  实现rgb变化效果     colos = [[0, 0, 255], [0, 255, 0], [255, 0, 0]]    # frame存储每一帧的图像    ret, frame = cap.read()    # 转换为灰度图    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)    # 二值处理   这里的阈值设置为130可能不是最好的，可以试着再改改  超过130就会变255，否则就是0，从而实现二值图像的生成    thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY)[1]    # 边缘检测，检测出边缘方便轮廓提取    edged = cv2.Canny(thresh, 75, 150)    # 获取所有的轮廓，这里没有在进行处理，有兴趣可以提取出需要的    cnts = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]    # 选择较大的轮廓    real_cnts=[]    for c in cnts:        if cv2.arcLength(c,True)>30:            real_cnts.append(c)    # 设置一个白板图片，作为人物的背景板    back = np.zeros((480, 720, 3), dtype="uint8") + 255    # 展示5帧修改一次颜色数组的下标  l就是下标值    if  m == 5:        l = (l + 1) % 3        m=0    # 把轮廓绘制在白色的背景板上    cv2.drawContours(back, real_cnts, -1, colos[l], 3)    cv2.imshow('frame', back)    k = cv2.waitKey(60) & 0xff    # 等待退出键，就可以直接退出    if k == 27:        breakcap.release()cv2.destroyAllWindows()

成果

成果如下

刚接触opencv做的很粗糙