检测图像中是否存在对象

使用 OpenCV 处理库解释投资回报率的示例。您只需下载处理 2.0 或更高版本，然后使用简单的导入工具 opencv 导入库即可进行处理。我不会为你做你的整个项目。在帧的中心创建一个静态 ROI，如果检测颜色与 roi 中有关，您前面有一个停车标志，请参阅下面的工作代码以检测阈值颜色。

import gab.opencv.*;
PImage src;
OpenCV opencv;
int roiWidth = 300;
int roiHeight = 300;
boolean useROI = true;
void setup() {
  src = loadImage("test.jpg");
  opencv = new OpenCV(this, src);
  size(opencv.width, opencv.height);
}
void draw() {
  opencv.loadImage(src);
  if (useROI) {
    opencv.setROI(mouseX, mouseY, roiWidth, roiHeight);
  }
  opencv.findCannyEdges(20,75);
  image(opencv.getOutput(), 0, 0);
}
// toggle ROI on and off
void keyPressed() {
  useROI = !useROI;
  if (!useROI) {
    opencv.releaseROI();
  }
}

这里有很多问题。为此，您可能最好使用处理或python，因为您需要在Linux的树莓派上使用它。您使用的任何基于 Windows 的头文件或库在 Linux 中都不起作用，除非您运行 ubuntu 在 Linux 中设置 opencv 可能是一个真正的痛苦。处理是跨平台的，并且具有运行的opencv库，并且也被视为arduino代码的扩展，因为语法非常相似。这就是我要开始的地方。

至于红灯，这里有一些简单的步骤

为相机中心的停车标志选择一个具有 Inrest"ROI"的区域，一个约占帧中心面积 25-50% 的正方形，然后逐个像素地搜索 ROI 以查找红色。 如果 X % 的投资回报率为红色，则摄像头前有一个停车标志。

是的，对有工作代码的人投反对票

https://www.facebook.com/photo.php?fbid=913451218754261&set=a.138550599577664.26406.100002681733815&type=3&theater

 /**
   * MultipleColorTracking
   * Select 2 colors to track them separately
   *
   * It uses the OpenCV for Processing library by Greg Borenstein
   */

import gab.opencv.*;
import processing.video.*;
import java.awt.Rectangle;
Capture video;
OpenCV opencv;
PImage src;
ArrayList<Contour> contours;
int maxColors = 2;
int[] hues;
int[] colors;
int rangeWidth = 10;
PImage[] outputs;
int colorToChange = -1;
void setup() {
  video = new Capture(this, 640, 480);
  opencv = new OpenCV(this, video.width, video.height);
  contours = new ArrayList<Contour>();
  size(opencv.width + opencv.width/4 + 30, opencv.height, P2D);
  // Array for detection colors
  colors = new int[maxColors];
  hues = new int[maxColors];
  outputs = new PImage[maxColors];
  video.start();
}
void draw() {
  background(150);
  if (video.available()) {
    video.read();
  }
  // <2> Load the new frame in to OpenCV
  opencv.loadImage(video);
  // Tell OpenCV to use color information
  opencv.useColor();
  src = opencv.getSnapshot();
  // <3> Tell OpenCV to work in HSV color space.
  opencv.useColor(HSB);
  detectColors();
  // Show images
  image(src, 0, 0);
  for (int i=0; i<outputs.length; i++) {
    if (outputs[i] != null) {
      image(outputs[i], width-src.width/4, i*src.height/4, src.width/4, src.height/4);
      noStroke();
      fill(colors[i]);
      rect(src.width, i*src.height/4, 30, src.height/4);
    }
  }
  // Print text if new color expected
  textSize(20);
  stroke(255);
  fill(255);
  if (colorToChange > -1) {
    text("click to change color " + colorToChange, 10, 25);
  } else {
    text("press key [1-2] to select color", 10, 25);
  }
  displayContoursBoundingBoxes();
}
//////////////////////
// Detect Functions
//////////////////////
void detectColors() {
  for (int i=0; i<hues.length; i++) {
    if (hues[i] <= 0) continue;
    opencv.loadImage(src);
    opencv.useColor(HSB);
    // <4> Copy the Hue channel of our image into 
    //     the gray channel, which we process.
    opencv.setGray(opencv.getH().clone());
    int hueToDetect = hues[i];
    //println("index " + i + " - hue to detect: " + hueToDetect);
    // <5> Filter the image based on the range of 
    //     hue values that match the object we want to track.
    opencv.inRange(hueToDetect-rangeWidth/2, hueToDetect+rangeWidth/2);
    //opencv.dilate();
    opencv.erode();
    // TO DO:
    // Add  some image filtering to detect blobs better
    // <6> Save the processed image for reference.
    outputs[i] = opencv.getSnapshot();
  }
  if (outputs[0] != null) {
    opencv.loadImage(outputs[0]);
    contours = opencv.findContours(true,true);
  }
}
void displayContoursBoundingBoxes() {
  for (int i=0; i<contours.size(); i++) {
    Contour contour = contours.get(i);
    Rectangle r = contour.getBoundingBox();
    if (r.width < 20 || r.height < 20)
      continue;
    stroke(255, 0, 0);
    fill(255, 0, 0, 150);
    strokeWeight(2);
    rect(r.x, r.y, r.width, r.height);
  }
}
//////////////////////
// Keyboard / Mouse
//////////////////////
void mousePressed() {
  if (colorToChange > -1) {
    color c = get(mouseX, mouseY);
    println("r: " + red(c) + " g: " + green(c) + " b: " + blue(c));
    int hue = int(map(hue(c), 0, 255, 0, 180));
    colors[colorToChange-1] = c;
    hues[colorToChange-1] = hue;
    println("color index " + (colorToChange-1) + ", value: " + hue);
  }
}
void keyPressed() {
  if (key == '1') {
    colorToChange = 1;
  } else if (key == '2') {
    colorToChange = 2;
  }
}
void keyReleased() {
  colorToChange = -1; 
}

检测到颜色后，如果有足够的ROI检测到颜色，则将其与ROI进行比较，则有一个停止标志！ 创建一个布尔值，用于查看停车标志，并在为真时处理其余代码。