opencv-python——通过cv2.distanceTransform()函数将距离转换成热力图

此转换一般可用于视觉、SLAM中的避障部分，将可以行使的区域二值化，然后再通过distanceTransform()函数实现对目标区域从距离中心到外部的梯度，再将其转换成可视化的灰度图和热力图即可。

原理解析

（1）目标图像二值化

我们首先通过HSV阈值调节器提取出目标物体的HSV阈值，然后通过cv2.inRange函数提取出机器人可通过区域的阈值范围，得到二维平面的二值化图：

inRange_hsv = cv2.inRange(hsv, color_dist['gray']['Lower'], color_dist['gray']['Upper'])

（2）高斯滤波去除噪点

可以看出图像中阈值调节后依然会有很多噪声点，所以滤波处理一下：

gaussian_hsv = cv2.GaussianBlur(inRange_hsv, (3, 3), 1)  

（3）将二值化图转换成距离灰度图

距离变换函数cv2.distanceTransform()的计算结果反映了各个像素与背景（值为 0 的像素点）的距离关系。通常情况下：

dist = cv2.distanceTransform(src=gaussian_hsv, distanceType=cv2.DIST_L2, maskSize=5)

在经过处理后，需要用cv2.convertScaleAbs()函数将其转回原来的uint8形式，否则将无法显示图像，而只是一副灰色的窗口。

dist1 = cv2.convertScaleAbs(dist)

• dist = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
  • 其中可选参数alpha是伸缩系数，
  • beta是加到结果上的一个值，
  • 结果dist返回uint8类型的图片

再将uint8类型的图片归一化处理：

dist2 = cv2.normalize(dist, None, 255,0, cv2.NORM_MINMAX, cv2.CV_8UC1)

扫描二维码关注公众号，回复： 13102824 查看本文章

（4）将距离灰度图转换成距离热力图

通过cv2.applyColorMap()函数，我们可以将灰度图转换成红色-蓝色的热力图，当值为255时，为红色，当值为0时，为蓝色。

heat_img = cv2.applyColorMap(dist2, cv2.COLORMAP_JET)

然后取一下RoI区域的最大值以及其坐标：

costmap_roi = dist2[119:210,:]    #划定ROI区域，需要实际选取大小 现在表示选取 119-210行的位置 需要自己调整
min_value,max_value,minloc,maxloc = cv2.minMaxLoc(costmap_roi) #找最大的点
print(min_value,max_value,minloc,maxloc)

输出：

0.0 255.0 (151, 0) (0, 28)

我们将值最大的点绘制在图中看一下效果：

cv2.circle(heat_img2, (maxloc), 1, (0,255,0), -1)

可以看出它很好的找到了RoI区域距离障碍物最远的点。

代码实现

import cv2
import numpy as np
import matplotlib.pyplot as plt

color_dist = {
    
    'gray': {
    
    'Lower': np.array([0,0,46]), 'Upper': np.array([180,43,220])},
			  'red': {
    
    'Lower': np.array([0, 0, 0]), 'Upper': np.array([255, 93, 255])},
              'blue': {
    
    'Lower': np.array([100, 80, 46]), 'Upper': np.array([124, 255, 255])},
              'yellow': {
    
    'Lower': np.array([26, 43, 46]), 'Upper': np.array([34, 255, 255])},
              }

# img = cv2.imread("test_pictures/red_car.jpg")
img = cv2.imread("test_pictures/62.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
inRange_hsv = cv2.inRange(hsv, color_dist['gray']['Lower'], color_dist['gray']['Upper'])

gaussian_hsv = cv2.GaussianBlur(inRange_hsv, (3, 3), 1)  # 高斯滤波，去除小的噪声

dist = cv2.distanceTransform(src=gaussian_hsv, distanceType=cv2.DIST_L2, maskSize=5)
dist1 = cv2.convertScaleAbs(dist)
dist2 = cv2.normalize(dist, None, 255,0, cv2.NORM_MINMAX, cv2.CV_8UC1)
heat_img = cv2.applyColorMap(dist2, cv2.COLORMAP_JET)
costmap_roi = dist2[119:210,:]    #划定ROI区域，需要实际选取大小 现在表示选取 0-179行的位置 需要自己调整
heat_img2 = cv2.applyColorMap(costmap_roi, cv2.COLORMAP_JET)
min_value,max_value,minloc,maxloc = cv2.minMaxLoc(costmap_roi) #找最大的点
print(min_value,max_value,minloc,maxloc)
cv2.circle(heat_img2, (maxloc), 2, (0,255,0), -1)

cv2.imshow("img", img)
cv2.imshow("dist", dist)
cv2.imshow("dist1", dist1)
cv2.imshow("dist2", dist2)
cv2.imshow("heat_img", heat_img)

cv2.waitKey()