【智控万物】懒人系列之视控灯 简单

#识别画面异动
import imutils,cv2,time
 
camera = cv2.VideoCapture(0)
framefirst=None
avg=None
num=0
j=0
while True:
    (grabbed, frame) = camera.read()
    # 如果不能抓取到一帧，说明我们到了视频的结尾
    if not grabbed:
        break
  
    # 调整该帧的大小，并且对其进行高斯模糊
    frame = imutils.resize(frame, width=500)
    imageold=frame.copy()
    #转换为灰阶图像
    gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
  
    #高斯模糊 这里(21, 21)表示高斯矩阵的长与宽都是5，
    #标准差取0时OpenCV会根据高斯矩阵的尺寸自己计算。概括地讲，高斯矩阵的尺寸越大，标准差越大，处理过的图像模糊程度越大。
    gray = cv2.GaussianBlur(gray, (21, 21), 0)
    if framefirst is None :
       framefirst=gray
       continue
    if avg is None:
       avg = gray.copy().astype("float")
       continue
    #图像叠加or图像混合加权实现
    #cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst
    #dst = src1 * alpha + src2 * beta + gamma;
    cv2.accumulateWeighted(gray, avg, 0.5)
    gray = cv2.absdiff(gray, cv2.convertScaleAbs(avg))
  
    # 二值化处理，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图 ，
    #像素高于阈值时，给像素赋予新值，否则，赋予另外一种颜色。函数是cv2.threshold() 
    ret, binary = cv2.threshold(gray,5,255,cv2.THRESH_BINARY)
    #学习不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算等
    #我们要学习的函数有：cv2.erode()，cv2.dilate()，cv2.morphologyEx()等
    #与卷积核对应的原图像的像素值中只要有一个是1，中心元 素的像素值就是1。所以这个操作会增加图像中的白色区域（前景）。
    #一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。
    #所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。
    thresh = cv2.dilate(binary, None, iterations=2)
    #binary：寻找轮廓的图像
    #轮廓的检索模式：cv2.RETR_EXTERNAL表示只检测外轮廓
                    #cv2.RETR_TREE建立一个等级树结构的轮廓。
                    #cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) 
    #第一个参数是指明在哪幅图像上绘制轮廓；
    #第二个参数是轮廓本身，在Python中是一个list。
    #第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1则绘制其中的所有轮廓。
    #thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。
    #
    cv2.drawContours(frame,contours,-1,(0,0,255),3)  
  
    for c in contours:
        # if the contour is too small, ignore it
        if cv2.contourArea(c) < 5000:
            continue
  
        # 计算轮廓线的外框, 在当前帧上画出外框,
        # 并且更新文本
        (x, y, w, h) = cv2.boundingRect(c)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
     
        num+=1
        if num>20 :
           print('有异动')
           num=0
    cv2.imshow("contours", frame)
    #cv2.imshow("Gray", gray)
    
    #cv2.imshow("binary", binary)
    key = cv2.waitKey(1) & 0xFF
  
    # 如果q键被按下，跳出循环
    if key == ord("q"):
        break
  
# 清理摄像机资源并关闭打开的窗口
camera.release()
cv2.destroyAllWindows()

import time
import imutils,cv2
from loguru import logger
from codelab_adapter_client import AdapterNode
 
 
class EIMNode(AdapterNode):
    def __init__(self):
        super().__init__()
        self.NODE_ID = "eim"
 
    def send_message_to_scratch(self, content):
        message = self.message_template()
        message["payload"]["content"] = content
        self.publish(message)
 
    def extension_message_handle(self, topic, payload):
        self.logger.info(f'the message payload from scratch: {payload}')
        content = payload["content"]
        if type(content) == str:
            content_send_to_scratch = content[::-1]  # 反转字符串
            self.send_message_to_scratch(content_send_to_scratch)
 
    def run(self):
        camera = cv2.VideoCapture(0)
        framefirst=None
        avg=None
        num=0
        j=0
        while self._running:
                (grabbed, frame) = camera.read()
                # 如果不能抓取到一帧，说明我们到了视频的结尾
                if not grabbed:
                    break
  
                # 调整该帧的大小，并且对其进行高斯模糊
                frame = imutils.resize(frame, width=500)
                imageold=frame.copy()
                #转换为灰阶图像
                gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
  
                #高斯模糊 这里(21, 21)表示高斯矩阵的长与宽都是5，
                #标准差取0时OpenCV会根据高斯矩阵的尺寸自己计算。概括地讲，高斯矩阵的尺寸越大，标准差越大，处理过的图像模糊程度越大。
                gray = cv2.GaussianBlur(gray, (21, 21), 0)
                if framefirst is None :
                   framefirst=gray
                   continue
                if avg is None:
                   avg = gray.copy().astype("float")
                   continue
                #图像叠加or图像混合加权实现
                #cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) → dst
                #dst = src1 * alpha + src2 * beta + gamma;
                cv2.accumulateWeighted(gray, avg, 0.5)
                gray = cv2.absdiff(gray, cv2.convertScaleAbs(avg))
  
                # 二值化处理，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图 ，
                #像素高于阈值时，给像素赋予新值，否则，赋予另外一种颜色。函数是cv2.threshold() 
                ret, binary = cv2.threshold(gray,5,255,cv2.THRESH_BINARY)
                #学习不同的形态学操作，例如腐蚀，膨胀，开运算，闭运算等
                #我们要学习的函数有：cv2.erode()，cv2.dilate()，cv2.morphologyEx()等
                #与卷积核对应的原图像的像素值中只要有一个是1，中心元 素的像素值就是1。所以这个操作会增加图像中的白色区域（前景）。
                #一般在去噪声时先用腐蚀再用膨胀。因为腐蚀在去掉白噪声的同时，也会使前景对象变小。
                #所以我们再对他进行膨胀。这时噪声已经被去除了，不会再回来了，但是前景还在并会增加。膨胀也可以用来连接两个分开的物体。
                thresh = cv2.dilate(binary, None, iterations=2)
                #binary：寻找轮廓的图像
                #轮廓的检索模式：cv2.RETR_EXTERNAL表示只检测外轮廓
                #cv2.RETR_TREE建立一个等级树结构的轮廓。
                #cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
                contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) 
                #第一个参数是指明在哪幅图像上绘制轮廓；
                #第二个参数是轮廓本身，在Python中是一个list。
                #第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1则绘制其中的所有轮廓。
                #thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。
                #
                cv2.drawContours(frame,contours,-1,(0,0,255),3)  
  
                for c in contours:
                    # if the contour is too small, ignore it
                    if cv2.contourArea(c) < 5000:
                        continue
              
                    # 计算轮廓线的外框, 在当前帧上画出外框,
                    # 并且更新文本
                    (x, y, w, h) = cv2.boundingRect(c)
                    cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
     
                    num+=1
                    if num>20 :
                       self.send_message_to_scratch('有异动')
                       print('有异动')
                       num=0
                cv2.imshow("contours", frame)
                #cv2.imshow("Gray", gray)
    
                #cv2.imshow("binary", binary)
                key = cv2.waitKey(1) & 0xFF
  
                # 如果q键被按下，跳出循环
                if key == ord("q"):
                    break
        # 清理摄像机资源并关闭打开的窗口
        camera.release()
        cv2.destroyAllWindows() 
 
 
if __name__ == "__main__":
    try:
        node = EIMNode()
        node.receive_loop_as_thread()
        node.run()
    except KeyboardInterrupt:
        node.terminate()  # Clean up before exiting.