Opencv实战——车位检测

前言

  最近在bi站学习opencv的时候看到了一个比较有意思的项目，用opencv+tensorflow实现视频中的车位检测，里面涉及了大量的图像处理操作，还有用tensorflow进行模型训练，但是缺乏深度学习这部分的知识，所有模型训练这一部分的例程只是初略看过和运行。下面的内容只是我对这个项目图像处理方面操作的记录，供以后学习使用。

车位识别实现思路

  对视频的识别其实和图像是差不多的，因为视频其实是由一帧一帧的图像构成的，首先就是要从视频中截取几张图像勇于图像处理。图像处理：
第一步：通过手动设置一个区域，过滤掉背景，只保留停车场。
第二步：边缘检测，提取停车场的大致轮廓。
第三步：进行霍夫检测，检测停车场中的直线。
第四步：对画好的线进行过滤，并在画好线的图像中进行分割，分割出每一个停车位，给每一个停车位编号。
第五步：截取出每个停车位的图像，作为训练模型的数据。

图像处理实现代码

原图：

手动设置一个区域，并且删除掉不需要的地方，在这之前先进行边缘检测。原理就是在图像外围点几个点，这里点了五个点，然后用线将点连起来就得到了一个mask，将mask内的区域设为1，外围设为0，将mask与图像想与就得到了去掉外围的图像。

#边缘检测
def detect_edges(image,low_threshold,high_threshold):
    return cv2.Canny(image,low_threshold,high_threshold)

#手动选择一个区域
def select_region(image):
    #设置多边形的顶点
    row, cols = image.shape[:2]
    spot1 = [cols * 0.05, row * 0.92]
    spot2 = [cols * 0.05, row * 0.70]
    spot3 = [cols * 0.30, row * 0.55]
    spot4 = [cols * 0.60, row * 0.12]
    spot5 = [cols * 0.90, row * 0.12]
    spot6 = [cols * 0.90, row * 0.92]
    vertices = np.array([[spot1,spot2,spot3,spot4,spot5,spot6]],dtype=np.int32)
    print(vertices)
    spot_img = image.copy()
    #将灰度图转为RGB图像
    spot_img = cv2.cvtColor(spot_img, cv2.COLOR_RGB2BGR)
    for spot in vertices[0]:
        #画点
        cv2.circle(spot_img, (spot[0],spot[1]), 10, (200,100,200), -1)

    #show('spot_img',spot_img)
    return (spot_img,vertices)

#删掉不需要的地方
def filter_region(image, vertices):
    mask = np.zeros_like(image)
    if len(mask.shape) == 2:
        cv2.fillPoly(mask, vertices, 255)  # 多边形填充
        show('mask', mask)
    return cv2.bitwise_and(image, mask)

效果：

进行霍夫检测，检测停车场中的直线。

#HoughLinesP函数是统计概率霍夫线变换函数
def hough_lines(image):
    #输入的图像需要是边缘检测后的结果
    #minLineLengh(线的最短长度，比这个短的都被忽略)和MaxLineCap（两条直线之间的最大间隔，小于此值，认为是一条直线）
    #rho距离精度,theta角度精度,threshod超过设定阈值才被检测出线段
    return cv2.HoughLinesP(image, rho=0.1, theta=np.pi/10, threshold=15, minLineLength=8, maxLineGap=1)

对画好的线进行过滤，并在画好线的图像中进行分割，分割出每一个停车位，给每一个停车位编号。大致操作也分为5步，首先对检测后得到的直线进行过滤，过滤方法是比如一条直线的长度大于20小于50，水平差小于1的则认识是车位线；然后将过滤后的线安装x1,y1 进行排序；然后将车位线安列来分类，图像中有12列车位，就分为12簇；然后得到每条线的坐标；最后就是将车位画出。分割出每一个停车位，给每一个停车位编号。

#用方框画出车位
def detected_blocks(image,lines):
    #Step 1: 过滤部分直线
    img = image.copy()
    cleaned = []
    for line in lines:
        for x1,y1,x2,y2 in line:
            if abs(y2-y1) <= 1 and abs(x2-x1) >= 20 and abs(x2-x1) <= 57:
                cleaned.append((x1,y1,x2,y2))
    #Step 2: 对直线按照x1,y1进行排序
    list1 =sorted(cleaned,key=operator.itemgetter(0,1))
    #Step 3: 找到多个列，相当于每列是一排车
    #每一列的车位
    clusters = {
   
   }
    #列数
    dIndex = 0
    #行与行之间的最小距离
    clus_dist = 20

    for i in range(len(list1)-1):
        distance = abs(list1[i+1][0] - list1[i][0])
        if distance <= clus_dist:
            if not dIndex in clusters.keys(): clusters[dIndex] = []
            clusters[dIndex].append(list1[i])
            clusters[dIndex].append(list1