OpenCV Python激光点追踪：提取并存储x、y坐标至独立变量

嘿，我来帮你搞定这个激光点坐标提取的问题！你的基础代码已经做好了颜色掩码的部分，接下来只需要加上几步就能拿到激光点的坐标啦。

核心思路是：在生成的掩码（mask）里找到激光点的轮廓，然后通过计算轮廓的质心来得到它的中心坐标，这样就能把坐标存到独立变量里了。下面是修改后的完整代码，我加了详细注释：

import cv2
import numpy as np

cap = cv2.VideoCapture(0)

while (1):
    # 读取每一帧
    ret, frame = cap.read()
    if not ret:
        break  # 如果没读到帧，直接跳出循环
    
    # 转换到HSV颜色空间
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # 定义红色的HSV范围（你可以根据实际激光颜色微调这个范围）
    lower_red = np.array([0, 0, 255])
    upper_red = np.array([255, 255, 255])
    
    # 创建颜色掩码
    mask = cv2.inRange(hsv, lower_red, upper_red)
    
    # -------------------------- 新增部分：提取激光点坐标 --------------------------
    # 从掩码中查找轮廓
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 初始化坐标变量（默认值，防止没检测到激光时报错）
    cx, cy = -1, -1
    
    if contours:
        # 找到面积最大的轮廓（激光点应该是画面中最亮的区域，面积最大）
        largest_contour = max(contours, key=cv2.contourArea)
        # 计算轮廓的矩，用来求质心
        moments = cv2.moments(largest_contour)
        
        # 避免除以0的情况（当轮廓面积为0时跳过）
        if moments['m00'] != 0:
            # 计算质心的X、Y坐标
            cx = int(moments['m10'] / moments['m00'])
            cy = int(moments['m01'] / moments['m00'])
            
            # 可选：在帧上画个小圆圈标记激光点位置，方便可视化
            cv2.circle(frame, (cx, cy), 5, (0, 255, 0), -1)
    
    # 现在cx和cy就是激光点的X、Y坐标啦，你可以直接用这两个变量做后续处理
    print(f"激光点坐标：X={cx}, Y={cy}")
    # ---------------------------------------------------------------------------
    
    # 显示窗口
    cv2.imshow('mask', mask)
    cv2.imshow('Track Laser', frame)
    
    # 按q退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

关键步骤说明： #

• cv2.findContours：从掩码图像中识别所有的轮廓，我们只取最外层的轮廓（RETR_EXTERNAL），并用简化的方式存储轮廓点（CHAIN_APPROX_SIMPLE）。
• 筛选最大轮廓：因为激光点通常是画面中最显眼的高亮区域，所以面积最大的轮廓大概率就是我们要找的激光点。
• 计算矩与质心：通过轮廓的矩信息，我们可以算出它的中心位置，这就是激光点的坐标，最终存到cx（X坐标）和cy（Y坐标）两个独立变量里。
• 异常处理：加了moments['m00'] != 0的判断，防止当没有有效轮廓时出现除以0的错误；同时初始化坐标为-1，方便你判断是否检测到了激光点。

这样修改后，你就能随时调用cx和cy来获取激光点的实时坐标啦！

内容的提问来源于stack exchange，提问作者jomsamago