OpenCV 赛道图片识别：灰度分析与数据显示

要基于灰度识别进行赛道图片识别并显示距离、倾斜度和亮度数据，可以按照以下步骤进行：

导入所需的库和模块：

import cv2
import numpy as np

读取图片并转换为灰度图像：

image = cv2.imread('track_image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

进行边缘检测：

edges = cv2.Canny(gray, 50, 150)

根据边缘检测结果找到直线：

lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=100, minLineLength=100, maxLineGap=10)

计算直线的倾斜度：

angles = []
for line in lines:
    x1, y1, x2, y2 = line[0]
    angle = np.arctan2(y2 - y1, x2 - x1) * 180 / np.pi
    angles.append(angle)
average_angle = np.mean(angles)

计算明暗亮度数据：

brightness = np.mean(gray)

计算远近距离数据：

distance = 1 / (brightness / 255)

在原始图像上绘制直线和数据：

for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.putText(image, 'Angle: {:.2f}'.format(average_angle), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
cv2.putText(image, 'Brightness: {:.2f}'.format(brightness), (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
cv2.putText(image, 'Distance: {:.2f}'.format(distance), (10, 90), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

显示结果：

cv2.imshow('Track Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这样就可以基于灰度识别进行赛道图片识别，并在原始图像上显示倾斜度、明暗亮度和远近距离数据。