OpenCV 实时识别赛道并分屏显示中心方向

要实现实时识别赛道并分屏显示在灰度处理下的黑色赛道的中心位置的方向直线，可以按照以下步骤进行：

导入所需的库：首先，导入OpenCV库和numpy库。

import cv2
import numpy as np

初始化视频流：通过OpenCV的VideoCapture函数初始化视频流。

cap = cv2.VideoCapture(0)

设定ROI区域：根据实际情况设定ROI区域，该区域应包含整个赛道。

roi_top = 300
roi_bottom = 600
roi_left = 0
roi_right = 800

处理每一帧图像：通过循环不断处理视频流中的每一帧图像。

while True:
    ret, frame = cap.read()
    
    # 裁剪ROI区域
    frame_roi = frame[roi_top:roi_bottom, roi_left:roi_right]
    
    # 灰度处理
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 图像二值化
    _, threshold = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)
    
    # 提取黑色赛道区域
    mask = cv2.inRange(threshold, 0, 100)
    
    # 检测直线
    lines = cv2.HoughLinesP(mask, 1, np.pi/180, threshold=100, minLineLength=100, maxLineGap=10)
    
    if lines is not None:
        # 计算直线的中心位置和方向
        for line in lines:
            x1, y1, x2, y2 = line[0]
            cv2.line(frame_roi, (x1, y1), (x2, y2), (0, 0, 255), 2)
            
            center_x = (x1 + x2) // 2
            direction = 'left' if center_x < (roi_right - roi_left) // 2 else 'right'
            
            cv2.putText(frame_roi, direction, (center_x, roi_top + 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)
    
    # 显示结果图像
    cv2.imshow('Frame', frame)
    
    # 按下q键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在以上代码中，首先通过VideoCapture函数初始化视频流，然后通过循环不断处理每一帧图像。在每一帧图像中，首先裁剪出ROI区域，然后进行灰度处理和图像二值化，提取出黑色赛道区域。接下来，使用HoughLinesP函数检测直线，在每条直线上标出直线，并计算直线的中心位置和方向。最后，通过imshow函数显示结果图像，并通过按下q键退出循环。

请注意，以上代码只是一个简单的示例，你可能需要根据实际情况进行适当的调整和优化。