您的位置：首页 > 技术中心 > 其他 >

Python+OpenCV怎么实现拖拽虚拟方块效果

时间：2023-05-16 05:10

一、项目效果

二、核心流程

1、openCV读取视频流、在每一帧图片上画一个矩形。

2、使用mediapipe获取手指关键点坐标。

3、根据手指坐标位置和矩形的坐标位置，判断手指点是否在矩形上，如果在则矩形跟随手指移动。

三、代码流程

环境准备：

python: 3.8.8

opencv: 4.2.0.32

mediapipe: 0.8.10.1

注：

1、opencv版本过高或过低可能出现一些如摄像头打不开、闪退等问题，python版本影响opencv可选择的版本。

2、pip install mediapipe 后可能导致openCV无法正常使用，卸了重新下载，习惯了就好。

1. 读取摄像头视频，画矩形

import cv2import timeimport numpy as np  # 调用摄像头 0 默认摄像头 cap = cv2.VideoCapture(0) # 初始方块数据x = 100y = 100w = 100h = 100 # 读取一帧帧照片while True:    # 返回frame图片    rec,frame = cap.read()        # 镜像    frame = cv2.flip(frame,1)        # 画矩形     cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 255), -1)     # 显示画面    cv2.imshow('frame',frame)        # 退出条件    if cv2.waitKey(1) & 0xFF == ord('q'):        break    cap.release()cv2.destroyAllWindows()

这是很基础的一步操作，此时我们运行这段代码，摄像头打开，我们会惊讶地看到自己英俊的脸庞，且左上角有个100*100的紫色矩形。

2. 导入mediapipe处理手指坐标

pip install mediapipe

此时可能出现一些问题，比如openCV突然用不了了，没关系，卸载了重新下。

mediapipe详细信息：Hands - mediapipe (google.github.io)

Python+OpenCV怎么实现拖拽虚拟方块效果

简单来说，它会返回给我们21个手指关键点的坐标，即它在视频画面的位置比例( 0~1 )，我们乘以对应画面的宽高，就能得到手指对应的坐标了。

本次用到食指和中指指尖，也就是8号和12号。

2.1 配置一些基础信息

import cv2import timeimport numpy as npimport mediapipe as mp  mp_drawing = mp.solutions.drawing_utilsmp_drawing_styles = mp.solutions.drawing_stylesmp_hands = mp.solutions.hands hands =  mp_hands.Hands(    static_image_mode=True,    max_num_hands=2,    min_detection_confidence=0.5)

2.2 在处理每一帧图像时，加入

    frame.flags.writeable = False    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)    # 返回结果    results = hands.process(frame)     frame.flags.writeable = True    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)

当我们在视频流中读取每一帧图片时，将其从BGR转为RGB供给mediapipe生成的hands对象读取，它会返回这张图片中手指关键点的信息，我们只需要继续对其作画，画在每一帧图片上。

    # 如果结果不为空    if results.multi_hand_landmarks:         # 遍历双手(根据读取顺序，一只只手遍历、画画)        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 至此步骤完整代码

import cv2import timeimport numpy as npimport mediapipe as mp  mp_drawing = mp.solutions.drawing_utilsmp_drawing_styles = mp.solutions.drawing_stylesmp_hands = mp.solutions.hands hands =  mp_hands.Hands(    static_image_mode=True,    max_num_hands=2,    min_detection_confidence=0.5)  # 调用摄像头 0 默认摄像头 cap = cv2.VideoCapture(0) # 方块初始数组x = 100y = 100w = 100h = 100  # 读取一帧帧照片while True:    # 返回frame图片    rec,frame = cap.read()        # 镜像    frame = cv2.flip(frame,1)                frame.flags.writeable = False    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)    # 返回结果    results = hands.process(frame)     frame.flags.writeable = True    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)            # 如果结果不为空    if results.multi_hand_landmarks:         # 遍历双手(根据读取顺序，一只只手遍历、画画)        # results.multi_hand_landmarks n双手        # hand_landmarks 每只手上21个点信息        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())            # 画矩形     cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 255), -1)     # 显示画面    cv2.imshow('frame',frame)        # 退出条件    if cv2.waitKey(1) & 0xFF == ord('q'):        break    cap.release()cv2.destroyAllWindows()

3. 位置计算

我们这个实验要求拖动方块，那肯定也有不拖动的时候，因此不妨根据上一步获取食指(8)和中指(12)指尖的位置，如果这俩离得近，我们就在他与方块重合的时候，根据手指的位置改变方块的坐标。

Python+OpenCV怎么实现拖拽虚拟方块效果

完整代码

Python+OpenCV怎么实现拖拽虚拟方块效果

import cv2import timeimport mathimport numpy as npimport mediapipe as mp # mediapipe配置mp_drawing = mp.solutions.drawing_utilsmp_drawing_styles = mp.solutions.drawing_stylesmp_hands = mp.solutions.handshands =  mp_hands.Hands(    static_image_mode=True,    max_num_hands=2,    min_detection_confidence=0.5)  # 调用摄像头 0 默认摄像头 cap = cv2.VideoCapture(0) # cv2.namedWindow("frame", 0)# cv2.resizeWindow("frame", 960, 640)  # 获取画面宽度、高度width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))  # 方块初始数组x = 100y = 100w = 100h = 100 L1 = 0L2 = 0 on_square = Falsesquare_color = (0, 255, 0) # 读取一帧帧照片while True:    # 返回frame图片    rec,frame = cap.read()        # 镜像    frame = cv2.flip(frame,1)                frame.flags.writeable = False    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)    # 返回结果    results = hands.process(frame)     frame.flags.writeable = True    frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)            # 如果结果不为空    if results.multi_hand_landmarks:          # 遍历双手(根据读取顺序，一只只手遍历、画画)        # results.multi_hand_landmarks n双手        # hand_landmarks 每只手上21个点信息        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())                        # 记录手指每个点的x y 坐标            x_list = []            y_list = []            for landmark in hand_landmarks.landmark:                x_list.append(landmark.x)                y_list.append(landmark.y)                                        # 获取食指指尖            index_finger_x, index_finger_y = int(x_list[8] * width),int(y_list[8] * height)             # 获取中指            middle_finger_x,middle_finger_y = int(x_list[12] * width), int(y_list[12] * height)              # 计算两指尖距离            finger_distance = math.hypot((middle_finger_x - index_finger_x), (middle_finger_y - index_finger_y))             # 如果双指合并(两之间距离近)            if finger_distance < 60:                 # X坐标范围 Y坐标范围                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:                # 双指不合并/分开                on_square = False                square_color = (0, 255, 0)             # 更新坐标            if on_square:                x = index_finger_x - L1                y = index_finger_y - L2                             # 图像融合 使方块不遮挡视频图片    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)         # 显示画面    cv2.imshow('frame',frame)        # 退出条件    if cv2.waitKey(1) & 0xFF == ord('q'):        break    cap.release()cv2.destroyAllWindows()

以上就是Python+OpenCV怎么实现拖拽虚拟方块效果的详细内容，更多请关注Gxl网其它相关文章！