如何用Python的openCV识别图片中道路的位置？
像这样的一副图片, 我想用 opencv 把道路的坐标确定出来应该怎么操作? 我从网上找了这个识别轮廓的代码,
import numpy as np
import cv2
im = cv2.imread(‘path.png’)
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
im2, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.namedWindow(“Contours”, cv2.WINDOW_NORMAL)
cv2.imshow(“Contours”, im2)
cv2.drawContours(im, contours, -1, (0,255,0), 3)
cv2.drawContours(im, contours, 3, (0,255,0), 3)
cnt = contours[4]
cv2.drawContours(im, [cnt], 0, (0,255,0), 3)
等待键盘输入
cv2.waitKey(0)
cv2.destroyAllWindows()
得到的结果是黑的... 所以我想知道如何获取这个道路的位置。~
如何用Python的openCV识别图片中道路的位置？
16 回复
import cv2
import numpy as np
def detect_road_in_image(image_path):
"""
使用OpenCV识别图片中的道路区域
主要思路：颜色过滤 -> 边缘检测 -> 霍夫变换找直线 -> 区域提取
"""
# 1. 读取图片
img = cv2.imread(image_path)
if img is None:
print("无法读取图片")
return None
# 保存原始图片用于显示
original = img.copy()
# 2. 转换为HSV颜色空间（更容易识别道路颜色）
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 3. 定义道路颜色的HSV范围（灰色/沥青色）
# 注意：这些值可能需要根据实际图片调整
lower_gray = np.array([0, 0, 50])
upper_gray = np.array([180, 50, 200])
# 4. 创建颜色掩码
mask = cv2.inRange(hsv, lower_gray, upper_gray)
# 5. 形态学操作去除噪声
kernel = np.ones((5,5), np.uint8)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
# 6. 边缘检测
edges = cv2.Canny(mask, 50, 150)
# 7. 霍夫变换检测直线（道路边界）
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=50,
minLineLength=100, maxLineGap=10)
# 8. 绘制检测到的道路区域
road_mask = np.zeros_like(mask)
if lines is not None:
# 提取所有直线的端点
all_points = []
for line in lines:
x1, y1, x2, y2 = line[0]
all_points.append([x1, y1])
all_points.append([x2, y2])
# 可选：绘制检测到的直线
cv2.line(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
# 如果检测到足够的点，计算凸包作为道路区域
if len(all_points) >= 3:
points = np.array(all_points)
hull = cv2.convexHull(points)
cv2.fillPoly(road_mask, [hull], 255)
# 9. 将道路区域应用到原图
road_area = cv2.bitwise_and(original, original, mask=road_mask)
# 10. 可视化结果
cv2.imshow('Original', original)
cv2.imshow('Color Mask', mask)
cv2.imshow('Edges', edges)
cv2.imshow('Detected Lines', img)
cv2.imshow('Road Area', road_area)
cv2.waitKey(0)
cv2.destroyAllWindows()
return road_mask, road_area
# 使用示例
if __name__ == "__main__":
# 替换为你的图片路径
road_mask, road_area = detect_road_in_image('road_image.jpg')
# 保存结果
if road_mask is not None:
cv2.imwrite('road_mask.jpg', road_mask)
cv2.imwrite('road_area.jpg', road_area)
核心思路：
- 颜色过滤：道路通常是灰色/黑色，用HSV颜色空间更容易识别
- 边缘检测：找到道路边界
- 直线检测：用霍夫变换找道路标线或边界
- 区域提取：用凸包或最小外接矩形确定道路区域
参数调整建议：
lower_gray/upper_gray：根据实际道路颜色调整HSV范围cv2.HoughLinesP参数：调整threshold、minLineLength适应不同图片- 形态学核大小：根据图片分辨率调整去噪效果
一句话总结： 用颜色分割加几何特征来定位道路区域。
