求助：使用OpenCVSharp通过Bounding Box+质心跟踪视频白色Blob

作为刚接触CV的新手，这个需求其实很清晰——咱们一步步来，保证你能快速上手：

核心步骤拆解 #

1. 视频读取与预处理 #

首先得加载视频，然后把帧转换成HSV格式（比RGB更适合颜色分割），接着提取白色区域的掩码：

using OpenCvSharp;

// 加载视频
VideoCapture capture = new VideoCapture("your_video_path.mp4");
if (!capture.IsOpened())
{
    Console.WriteLine("无法打开视频文件");
    return;
}

Mat frame = new Mat();
while (capture.Read(frame))
{
    // 转HSV颜色空间
    Mat hsv = new Mat();
    Cv2.CvtColor(frame, hsv, ColorConversionCodes.BGR2HSV);

    // 定义白色的HSV范围（注意：白色的HSV阈值需要根据你的实际场景微调）
    Scalar lowerWhite = new Scalar(0, 0, 200);
    Scalar upperWhite = new Scalar(180, 25, 255);

    // 创建掩码
    Mat mask = new Mat();
    Cv2.InRange(hsv, lowerWhite, upperWhite, mask);

    // 对掩码做形态学操作，去除噪点
    Mat kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(5, 5));
    Cv2.MorphologyEx(mask, mask, MorphTypes.Open, kernel);
    Cv2.MorphologyEx(mask, mask, MorphTypes.Close, kernel);

2. 检测Blob并绘制Bounding Box #

接下来要找到掩码中的轮廓，然后筛选出符合大小的Blob（避免小噪点），绘制Bounding Box：

// 查找轮廓
    Point[][] contours;
    HierarchyIndex[] hierarchy;
    Cv2.FindContours(mask, out contours, out hierarchy, RetrievalModes.External, ContourApproximationModes.ApproxSimple);

    foreach (var contour in contours)
    {
        // 计算轮廓面积，过滤小区域
        double area = Cv2.ContourArea(contour);
        if (area < 500) // 阈值根据你的视频调整
            continue;

        // 获取Bounding Box
        Rect boundingBox = Cv2.BoundingRect(contour);
        // 绘制Bounding Box
        Cv2.Rectangle(frame, boundingBox, Scalar.Red, 2);

3. 计算并绘制质心 #

通过轮廓的矩来计算质心，然后在帧上标记：

// 计算矩
        Moments moments = Cv2.Moments(contour);
        if (moments.M00 != 0)
        {
            int cx = (int)(moments.M10 / moments.M00);
            int cy = (int)(moments.M01 / moments.M00);
            // 绘制质心（红色圆点）
            Cv2.Circle(frame, new Point(cx, cy), 5, Scalar.Red, -1);
            // 标注质心坐标
            Cv2.PutText(frame, $"({cx}, {cy})", new Point(cx + 10, cy), HersheyFonts.HersheySimplex, 0.5, Scalar.Red, 1);
        }
    }

4. 显示结果与退出逻辑 #

最后把处理后的帧显示出来，按ESC键退出：

// 显示处理后的帧
    Cv2.ImShow("Blob Tracking", frame);

    // 按ESC键退出
    if (Cv2.WaitKey(30) == 27)
        break;
}

// 释放资源
capture.Release();
Cv2.DestroyAllWindows();

关键注意事项 #

• 白色HSV阈值调整：不同光照下白色的HSV值会有差异，你可以用OpenCV的颜色拾取工具来精准获取你视频中白色的范围。
• 形态学操作：开运算（先腐蚀后膨胀）能去掉小噪点，闭运算（先膨胀后腐蚀）能填充Blob内部的小空洞，这两步很关键，不然会出现很多误检测。
• 轮廓面积过滤：根据你的视频中白色Blob的实际大小调整面积阈值，避免把小的反光点当成目标。
• 质心跟踪的连续性：如果需要跨帧跟踪同一个Blob（比如区分不同的运动模式），你还需要加入跟踪算法（比如基于IOU匹配的跟踪器），当前代码是单帧检测，后续可以扩展这部分逻辑来支持连续跟踪。

因为你后续要用于CNN的人体运动模式分析，建议把每帧的Bounding Box坐标、质心坐标保存成结构化数据（比如CSV文件），方便后续模型训练使用。

内容的提问来源于stack exchange，提问作者Tevin Gales