python Opencv实现停车位识别思路详解

1.实现的思路

（1）首先使用一个处理画框的程序，将图片中的有车和无车的停车位给画出来，并且保存坐标（如果画错了，将鼠标移至要删除的框中，右击鼠标，即可删除）；

#定义回调函数
def mouseClick(events,x,y,flags,params):
   #按下鼠标左键，将点击的坐标(x,y)保存到position列表中
   if (events&cv2.EVENT_LBUTTONDOWN==cv2.EVENT_LBUTTONDOWN):
       position.append((x,y))
   #按下鼠标右键时，移除选中的框
   if (events&cv2.EVENT_RBUTTONDOWN==cv2.EVENT_RBUTTONDOWN):
       for i,pos in enumerate(position):
           (x1,y1)=pos
           if (x1<x<x1+img_width and y1<y<y1+img_height):
               position.pop(i)

（2）画好之后，关闭窗口，即可看到已经保存好坐标的文件，下次再运行程序时，不用再画框；程序会读出当前文件，将之前保存好的坐标加载出画出框。

#首先查看文件是否已经包含了CarParkPos文件
try:
   with open('CarParkPos','rb') as fp:
       position=pickle.load(fp)
except:
   # 存储所有停车位的坐标列表
   position=[]

（3）主程序的思路
将摄像头读取的图片进行处理
Opencv基础知识点：
https://www.jb51.net/article/254006.htm
高斯去噪：
https://www.jb51.net/article/198212.htm
局部二值化：
https://www.jb51.net/article/248000.htm
中值滤波：
https://www.jb51.net/article/198212.htm
Opencv中获取卷积核：
https://www.jb51.net/article/254013.htm
腐蚀操作：
https://www.jb51.net/article/214725.htm

#转换为灰度图
   gray=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2GRAY)
   #高斯去噪
   gauss=cv2.GaussianBlur(src=gray,ksize=(3,3),sigmaX=0)
   #图像二值化处理
   thresh=cv2.adaptiveThreshold(src=gauss,maxValue=255,adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
           thresholdType=cv2.THRESH_BINARY_INV,blockSize=21,C=16)
   # 中值滤波操作
   median=cv2.medianBlur(src=thresh,ksize=3)
   #腐蚀操作
   dilate=cv2.dilate(src=median,kernel=kernel,iterations=1)

for pos in position:
       (x,y)=pos
       mask=dilate[y:y+img_height,x:x+img_width]
       # cv2.imshow(str(x*y),mask)
       #返回灰度值不为0的像素数，可用来判断图像是否全黑。
       count=cv2.countNonZero(mask)
       #当计算的count低于800,表示是一个空位
       if count<800:
           countBlackCar+=1
           color=(0,255,0)
           thickness=3
       else:
           color=(0,0,255)
           thickness=2

cv2.rectangle(img=frame, pt1=(pos[0], pos[1]),
                     pt2=(pos[0] + img_width, pos[1] + img_height),
                     color=color, thickness=thickness)
       cvzone.putTextRect(img=frame, text=str(count), pos=(x + 3, y + img_height - 5),
                          scale=0.8, thickness=1, offset=0,colorR=color)

参考视频教程：https://www.bilibili.com/video/BV14Z4y1Q7au?t=3992.0（建议看懂视频中的思路）
注：代码不重要，主要是学会给出的链接中这位博主的思路。使用更加简单的方法解决问题，但是呢？这种方法我认为主要是为解决那种固定摄像头拍摄的停车位，因为我们标注的坐标是固定的（但是可以利用深度学习提取有车和无车的特征进行识别，定位的可以使用Opencv来解决）。

2.整体代码实战

（1）ParkingSpacePicker.py

import os
import cv2
import pickle

#首先查看文件是否已经包含了CarParkPos文件
try:
   with open('CarParkPos','rb') as fp:
       position=pickle.load(fp)
except:
   # 存储所有停车位的坐标列表
   position=[]

#停车位的高宽
img_width,img_height=47,88
#定义回调函数
def mouseClick(events,x,y,flags,params):
   #按下鼠标左键，将点击的坐标(x,y)保存到position列表中
   if (events&cv2.EVENT_LBUTTONDOWN==cv2.EVENT_LBUTTONDOWN):
       position.append((x,y))
   #按下鼠标右键时，移除选中的框
   if (events&cv2.EVENT_RBUTTONDOWN==cv2.EVENT_RBUTTONDOWN):
       for i,pos in enumerate(position):
           (x1,y1)=pos
           if (x1<x<x1+img_width and y1<y<y1+img_height):
               position.pop(i)

with open('CarParkPos','wb') as fp:
       pickle.dump(position,fp)

while True:
   img=cv2.imread('images/packing.png')
   for pos in position:
       cv2.rectangle(img=img,pt1=(pos[0],pos[1]),
                     pt2=(pos[0]+img_width,pos[1]+img_height),
                     color=(0,255,0),thickness=2)

cv2.imshow('Packing',img)
   #设置鼠标事件
   cv2.setMouseCallback('Packing',mouseClick)
   key=cv2.waitKey(1)
   if key==27:
       break

cv2.destroyAllWindows()

if __name__ == '__main__':
   print('Pycharm')

（2）main.py

import os
import cv2
import pickle
import cvzone

with open('CarParkPos', 'rb') as fp:
   position = pickle.load(fp)

#停车位的高宽
img_width,img_height=47,88

cap=cv2.VideoCapture('video/packing-3.mp4')

def checkParkingSpace(dilate):
   countBlackCar=0
   for pos in position:
       (x,y)=pos
       mask=dilate[y:y+img_height,x:x+img_width]
       # cv2.imshow(str(x*y),mask)
       #返回灰度值不为0的像素数，可用来判断图像是否全黑。
       count=cv2.countNonZero(mask)
       #当计算的count低于800,表示是一个空位
       if count<800:
           countBlackCar+=1
           color=(0,255,0)
           thickness=3
       else:
           color=(0,0,255)
           thickness=2

cv2.rectangle(img=frame, pt1=(pos[0], pos[1]),
                     pt2=(pos[0] + img_width, pos[1] + img_height),
                     color=color, thickness=thickness)
       cvzone.putTextRect(img=frame, text=str(count), pos=(x + 3, y + img_height - 5),
                          scale=0.8, thickness=1, offset=0,colorR=color)
   return countBlackCar

#获取卷积核
kernel=cv2.getStructuringElement(shape=cv2.MORPH_RECT,ksize=(3,3))

while cap.isOpened():
   #循环播放视频文件
   if cap.get(cv2.CAP_PROP_POS_FRAMES)==cap.get(cv2.CAP_PROP_FRAME_COUNT):
       cap.set(cv2.CAP_PROP_POS_FRAMES,0)

ret,frame=cap.read()
   # frame=cv2.resize(src=frame,dsize=(750,600))
   height,width,channel=frame.shape
   if not ret:
       break

#转换为灰度图
   gray=cv2.cvtColor(src=frame,code=cv2.COLOR_BGR2GRAY)
   #高斯去噪
   gauss=cv2.GaussianBlur(src=gray,ksize=(3,3),sigmaX=0)
   #图像二值化处理
   thresh=cv2.adaptiveThreshold(src=gauss,maxValue=255,adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
           thresholdType=cv2.THRESH_BINARY_INV,blockSize=21,C=16)
   # 中值滤波操作
   median=cv2.medianBlur(src=thresh,ksize=3)
   #腐蚀操作
   dilate=cv2.dilate(src=median,kernel=kernel,iterations=1)

cntCar=checkParkingSpace(dilate)

cvzone.putTextRect(img=frame,text="BlackPosition: "+str(cntCar),
                      pos=(20,height-80),scale=1.0,thickness=2)
   cv2.imshow('img',frame)
   # cv2.imshow('thresh',thresh)
   # cv2.imshow('median',median)
   # cv2.imshow('dilate',dilate)
   key=cv2.waitKey(30)
   if key==27:
       break
cv2.destroyAllWindows()
if __name__ == '__main__':
   print('Pycharm')

（3）视频效果

停车位识别演示

注：视频自己做的比较差，建议读者最好自己尝试实现这个思路。

来源：https://blog.csdn.net/Keep_Trying_Go/article/details/125572539