### 使用 OpenCV 和 Python 实现激光点追踪 为了实现激光点追踪，可以利用 `cv2` 中的颜色空间转换以及形态学操作来定位并跟踪红色激光点。下面是一个简单的示例代码： ```python import cv2 import numpy as np def track_laser_point(video_path): cap = cv2.VideoCapture(video_path) while True: ret, frame = cap.read() if not ret: break hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 定义红色范围 (Hue, Saturation, Value)，可能需要根据实际情况调整 lower_red = np.array([0, 120, 70]) upper_red = np.array([10, 255, 255]) mask_1 = cv2.inRange(hsv_frame, lower_red, upper_red) lower_red = np.array([170, 120, 70]) upper_red = np.array([180, 255, 255]) mask_2 = cv2.inRange(hsv_frame, lower_red, upper_red) red_mask = mask_1 + mask_2 kernel = np.ones((5, 5), np.uint8) red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_OPEN, kernel) red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_CLOSE, kernel) contours, _ = cv2.findContours(red_mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: area = cv2.contourArea(cnt) if area > 100: # 只考虑面积较大的轮廓 x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(frame, "Laser", (x, y), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow('Frame', frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cap.release() cv2.destroyAllWindows() track_laser_point('path_to_video.mp4') ``` 此代码通过读取视频文件中的每一帧图像，并将其从 BGR 色彩模式转换为 HSV 模式以便更容易区分颜色[^1]。接着定义两个不同的阈值区间来捕捉不同色调下的红色区域，因为 HUE 值在接近两端时会重叠。之后使用形态学运算去除噪声，最后查找符合条件的轮廓并绘制矩形框标记出检测到的目标位置。