Python+OpenCV實戰之拖拽虛擬方塊的實現
一、項目效果
學校宿舍今天搬傢，累麻瞭，突然發現展示處理的也很粗糙，就這樣吧嘿嘿~~~
二、核心流程
1、openCV讀取視頻流、在每一幀圖片上畫一個矩形。
2、使用mediapipe獲取手指關鍵點坐標。
3、根據手指坐標位置和矩形的坐標位置，判斷手指點是否在矩形上，如果在則矩形跟隨手指移動。
三、代碼流程
環境準備：
python: 3.8.8
opencv: 4.2.0.32
mediapipe: 0.8.10.1
註：
1、opencv版本過高或過低可能出現一些如攝像頭打不開、閃退等問題，python版本影響opencv可選擇的版本。
2、pip install mediapipe 後可能導致openCV無法正常使用，卸瞭重新下載，習慣瞭就好。
1. 讀取攝像頭視頻，畫矩形
import cv2
import time
import numpy as np
# 調用攝像頭 0 默認攝像頭
cap = cv2.VideoCapture(0)
# 初始方塊數據
x = 100
y = 100
w = 100
h = 100
# 讀取一幀幀照片
while True:
# 返回frame圖片
rec,frame = cap.read()
# 鏡像
frame = cv2.flip(frame,1)
# 畫矩形
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 255), -1)
# 顯示畫面
cv2.imshow('frame',frame)
# 退出條件
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
這是很基礎的一步操作，此時我們運行這段代碼，攝像頭打開，我們會驚訝地看到自己英俊的臉龐，且左上角有個100*100的紫色矩形。
2. 導入mediapipe處理手指坐標
pip install mediapipe
此時可能出現一些問題，比如openCV突然用不瞭瞭，沒關系，卸載瞭重新下。
mediapipe詳細信息：Hands – mediapipe (google.github.io)
簡單來說，它會返回給我們21個手指關鍵點的坐標，即它在視頻畫面的位置比例( 0~1 )，我們乘以對應畫面的寬高，就能得到手指對應的坐標瞭。
本次用到食指和中指指尖，也就是8號和12號。
2.1 配置一些基礎信息
import cv2
import time
import numpy as np
import mediapipe as mp
mp_drawing = mp.solutions.drawing_utils
mp_drawing_styles = mp.solutions.drawing_styles
mp_hands = mp.solutions.hands
hands = mp_hands.Hands(
static_image_mode=True,
max_num_hands=2,
min_detection_confidence=0.5)
2.2 在處理每一幀圖像時，加入
frame.flags.writeable = False
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
# 返回結果
results = hands.process(frame)
frame.flags.writeable = True
frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
當我們在視頻流中讀取每一幀圖片時，將其從BGR轉為RGB供給mediapipe生成的hands對象讀取，它會返回這張圖片中手指關鍵點的信息，我們隻需要繼續對其作畫，畫在每一幀圖片上。
# 如果結果不為空
if results.multi_hand_landmarks:
# 遍歷雙手(根據讀取順序，一隻隻手遍歷、畫畫)
for hand_landmarks in results.multi_hand_landmarks:
mp_drawing.draw_landmarks(
frame,
hand_landmarks,
mp_hands.HAND_CONNECTIONS,
mp_drawing_styles.get_default_hand_landmarks_style(),
mp_drawing_styles.get_default_hand_connections_style())
2.3 至此步驟完整代碼
import cv2
import time
import numpy as np
import mediapipe as mp
mp_drawing = mp.solutions.drawing_utils
mp_drawing_styles = mp.solutions.drawing_styles
mp_hands = mp.solutions.hands
hands = mp_hands.Hands(
static_image_mode=True,
max_num_hands=2,
min_detection_confidence=0.5)
# 調用攝像頭 0 默認攝像頭
cap = cv2.VideoCapture(0)
# 方塊初始數組
x = 100
y = 100
w = 100
h = 100
# 讀取一幀幀照片
while True:
# 返回frame圖片
rec,frame = cap.read()
# 鏡像
frame = cv2.flip(frame,1)
frame.flags.writeable = False
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
# 返回結果
results = hands.process(frame)
frame.flags.writeable = True
frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
# 如果結果不為空
if results.multi_hand_landmarks:
# 遍歷雙手(根據讀取順序，一隻隻手遍歷、畫畫)
# results.multi_hand_landmarks n雙手
# hand_landmarks 每隻手上21個點信息
for hand_landmarks in results.multi_hand_landmarks:
mp_drawing.draw_landmarks(
frame,
hand_landmarks,
mp_hands.HAND_CONNECTIONS,
mp_drawing_styles.get_default_hand_landmarks_style(),
mp_drawing_styles.get_default_hand_connections_style())
# 畫矩形
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 255), -1)
# 顯示畫面
cv2.imshow('frame',frame)
# 退出條件
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
此時我們運行看一下還挺有意思的：
3. 位置計算
我們這個實驗要求拖動方塊，那肯定也有不拖動的時候，因此不妨根據上一步獲取食指(8)和中指(12)指尖的位置，如果這倆離得近，我們就在他與方塊重合的時候，根據手指的位置改變方塊的坐標。
完整代碼
import cv2
import time
import math
import numpy as np
import mediapipe as mp
# mediapipe配置
mp_drawing = mp.solutions.drawing_utils
mp_drawing_styles = mp.solutions.drawing_styles
mp_hands = mp.solutions.hands
hands = mp_hands.Hands(
static_image_mode=True,
max_num_hands=2,
min_detection_confidence=0.5)
# 調用攝像頭 0 默認攝像頭
cap = cv2.VideoCapture(0)
# cv2.namedWindow("frame", 0)
# cv2.resizeWindow("frame", 960, 640)
# 獲取畫面寬度、高度
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
# 方塊初始數組
x = 100
y = 100
w = 100
h = 100
L1 = 0
L2 = 0
on_square = False
square_color = (0, 255, 0)
# 讀取一幀幀照片
while True:
# 返回frame圖片
rec,frame = cap.read()
# 鏡像
frame = cv2.flip(frame,1)
frame.flags.writeable = False
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
# 返回結果
results = hands.process(frame)
frame.flags.writeable = True
frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
# 如果結果不為空
if results.multi_hand_landmarks:
# 遍歷雙手(根據讀取順序，一隻隻手遍歷、畫畫)
# results.multi_hand_landmarks n雙手
# hand_landmarks 每隻手上21個點信息
for hand_landmarks in results.multi_hand_landmarks:
mp_drawing.draw_landmarks(
frame,
hand_landmarks,
mp_hands.HAND_CONNECTIONS,
mp_drawing_styles.get_default_hand_landmarks_style(),
mp_drawing_styles.get_default_hand_connections_style())
# 記錄手指每個點的x y 坐標
x_list = []
y_list = []
for landmark in hand_landmarks.landmark:
x_list.append(landmark.x)
y_list.append(landmark.y)
# 獲取食指指尖
index_finger_x, index_finger_y = int(x_list[8] * width),int(y_list[8] * height)
# 獲取中指
middle_finger_x,middle_finger_y = int(x_list[12] * width), int(y_list[12] * height)
# 計算兩指尖距離
finger_distance = math.hypot((middle_finger_x - index_finger_x), (middle_finger_y - index_finger_y))
# 如果雙指合並(兩之間距離近)
if finger_distance < 60:
# X坐標范圍 Y坐標范圍
if (index_finger_x > x and index_finger_x < (x + w)) and (
index_finger_y > y and index_finger_y < (y + h)):
if on_square == False:
L1 = index_finger_x - x
L2 = index_finger_y - y
square_color = (255, 0, 255)
on_square = True
else:
# 雙指不合並/分開
on_square = False
square_color = (0, 255, 0)
# 更新坐標
if on_square:
x = index_finger_x - L1
y = index_finger_y - L2
# 圖像融合 使方塊不遮擋視頻圖片
overlay = frame.copy()
cv2.rectangle(frame, (x, y), (x + w, y + h), square_color, -1)
frame = cv2.addWeighted(overlay, 0.5, frame, 1 - 0.5, 0)
# 顯示畫面
cv2.imshow('frame',frame)
# 退出條件
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
到此這篇關於Python+OpenCV實戰之拖拽虛擬方塊的實現的文章就介紹到這瞭,更多相關Python OpenCV拖拽虛擬方塊內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- OpenCV+MediaPipe實現手部關鍵點識別
- Python+OpenCV手勢檢測與識別Mediapipe基礎篇
- python+mediapipe+opencv實現手部關鍵點檢測功能(手勢識別)
- 基於Mediapipe+Opencv實現手勢檢測功能
- opencv+mediapipe實現人臉檢測及攝像頭實時示例