File size: 2,168 Bytes
014de59 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 |
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sat Aug 3 21:01:48 2024
@author: ysnrfd
"""
import cv2
import numpy as np
def main():
# ایجاد شیء VideoCapture برای دسترسی به دوربین
cap = cv2.VideoCapture(0)
# ایجاد مدل پسزمینه با استفاده از KNN
backSub = cv2.createBackgroundSubtractorKNN(history=500, dist2Threshold=400.0, detectShadows=True)
if not cap.isOpened():
print("خطا در باز کردن دوربین")
return
while True:
# خواندن فریم از دوربین
ret, frame = cap.read()
if not ret:
print("خطا در خواندن فریم")
break
# پردازش تصویر با مدل پسزمینه
fgMask = backSub.apply(frame)
# استفاده از فیلترهای مورفولوژیکی برای بهبود نتایج
kernel = np.ones((5, 5), np.uint8)
fgMask = cv2.morphologyEx(fgMask, cv2.MORPH_CLOSE, kernel)
fgMask = cv2.morphologyEx(fgMask, cv2.MORPH_OPEN, kernel)
# استفاده از فیلتر گوسی برای کاهش نویز
blurred = cv2.GaussianBlur(fgMask, (5, 5), 0)
# پیدا کردن کانتورهای موجود در تصویر باینری
contours, _ = cv2.findContours(blurred, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# کشیدن مربع دور هر کانتور
for contour in contours:
if cv2.contourArea(contour) > 500: # برای فیلتر کردن کوچکترین کانتورها
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# نمایش فریم اصلی و ماسک پسزمینه
cv2.imshow('Frame', frame)
cv2.imshow('Foreground Mask', fgMask)
# خروج از حلقه با فشار دادن کلید 'q'
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# آزادسازی منابع
cap.release()
cv2.destroyAllWindows()
if __name__ == "__main__":
main()
|