介绍
跟踪对象的基本思想是找到对象的轮廓，基于HSV颜色值。
轮廓：突出显示对象的图像片段。例如，如果将二进制阈值应用于具有（180,255）的图像，则大于180的像素将以白色突出显示，而其他则为黑色。白色部分称为轮廓。
在继续下面的操作之前，请在系统中安装OpenCV。打开命令提示符并键入
代码语言：javascript复制pip install opencv-python步骤1：从相机读取数据
代码语言：javascript复制import cv2
cam = cv2.VideoCapture(0)
img = cam.read()[1] #_, img = cam.read()参数0-用于主相机，例如在笔记本电脑网络摄像头中被视为主相机。1-代表中学，依此类推。
步骤2：预处理框架
1、使用高斯滤波器对图像进行归一化。归一化图像可能会丢失许多小信息，但是我们需要归一化/模糊图像，以使我们的对象获得均等的颜色分布。
＃cv2.gaussianBlur（source_image，Kernal_size，Border_width）
代码语言：javascript复制Blur_img = cv2.GaussianBlur(img,(11,11),0)2、将图像转换为HSV颜色模型。
代码语言：javascript复制HSV = cv2.cvtColor(Blur_img, cv2.COLOR_BGR2HSV)
步骤3：找到对应对象的HSV颜色
代码语言：javascript复制Obj_low = np.array([0,0,0]) # In my case (H,S,V)
Obj_high = np.array([179,157,79])步骤4：阈值化
在给定的HSV值范围内应用二进制阈值，黑白Obj_low和Obj_high。
代码语言：javascript复制MASK = cv2.inRange(HSV, Obj_low, Obj_high)
＃MASK2 = cv2.inRange（HSV，Obj2_low，Obj2_high）
如果尝试跟踪两个不同的对象，则需要创建2个不同的蒙版，并最终在两个蒙版上使用“按位与”运算符。
#mask = cv2.bitwise_and（mask1，mask2）
侵蚀和膨胀：侵蚀和膨胀填充阈值图像中的黑色和白色斑点。这样可使图像更清晰，平滑并突出主要对象。
代码语言：javascript复制MASK = cv2.erode(MASK1, None, iterations=2)
MASK = cv2.dilate(MASK1, None, iterations =2)
步骤5：在图像中查找轮廓
轮廓：突出显示对象的图像片段。例如，如果将二进制阈值应用于具有（180,255）的图像，则大于180的像素将以白色突出显示，而其他则为黑色。白色部分称为轮廓。
代码语言：javascript复制cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
if len(cnts)>0 :
c = max(cnts, key = cv2.contourArea)在上面给定的图像中，整个白色边界区域是轮廓。轮廓可能不止一个，但主要对象的面积将最大。所以选择轮廓最大。然后..
步骤6：在对象上绘制圆
得到主要物体的轮廓后，在轮廓上画一个圆。
代码语言：javascript复制((x,y), radius) = cv2.minEnclosingCircle(c)
M = cv2.moments(c)
center = (int(M[‘m10’]/ M[‘m00’]), int(M[‘m01’]/ M[‘m00’]) )
cv2.circle(img, center, 5, (0,0,255), -1)
cv2.circle(img, center, int(radius), (0,0,255), 2)对象跟踪程序代码
代码语言：javascript复制import cv2
import numpy as np
cam = cv2.VideoCapture(0)
Obj_low = np.array([0,0,0])
Obj_high = np.array([179,157,79])
while True:
img = cam.read()[1]
img = cv2.resize(img, (800,600) )
blur_img = cv2.GaussianBlur(img,(21,21),0)
HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
MASK1 = cv2.inRange(HSV, Obj_low, Obj_high)
MASK1 = cv2.erode(MASK1, None, iterations=2)
MASK1 = cv2.dilate(MASK1, None, iterations =2)
cnts = cv2.findContours(MASK1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
center = None
if len(cnts)>0 :
c = max(cnts, key = cv2.contourArea)
((x,y), radius) = cv2.minEnclosingCircle(c)
M = cv2.moments(c)
center = (int(M['m10']/ M['m00']), int(M['m01']/ M['m00']) )
if radius>10:
cv2.circle(img, center, 5, (0,0,255), -1)
cv2.circle(img, center, int(radius), (0,0,255), 2)
cv2.imshow("my window",img)
k = cv2.waitKey(1)
if k==27:
break
cam.release()
cv2.destroyAllWindows()
