### 获取实时深度图像 Intel RealSense D435 提供了强大的深度感知能力，通过 Python 可以轻松实现深度图像的实时获取和处理。使用 `pyrealsense2` 库可以与摄像头通信，并获取深度数据流。深度帧数据可以通过 `np.asanyarray` 转换为 NumPy 数组，以便进一步的图像处理和分析 [^2]。 以下代码展示了如何从 D435 获取深度图像并将其转换为 NumPy 数组进行处理： ```python import pyrealsense2 as rs import numpy as np # 配置深度流 pipeline = rs.pipeline() config = rs.config() config.enable_stream(rs.stream.depth, 640, 480, rs.format.z16, 30) # 启动流 pipeline.start(config) try: # 等待一帧数据 frames = pipeline.wait_for_frames() depth_frame = frames.get_depth_frame() # 将深度帧转换为 NumPy 数组 depth_data = np.asanyarray(depth_frame.get_data()) # 打印深度数组的形状和数据类型 print('深度图像的大小：', depth_data.shape) print('深度图像的数据类型：', depth_data.dtype) finally: # 停止流 pipeline.stop() ``` ### 后处理深度图像 在获取深度图像后，通常需要进行后处理以优化图像质量或提取特定信息。常见的后处理步骤包括深度值归一化、滤波去噪、深度范围限制等。 #### 深度值归一化 深度图像的原始数据是以毫米为单位的整数值，通常需要将其转换为米或进行归一化处理以可视化： ```python # 将深度图像归一化为 0-255 范围以进行可视化 depth_image_normalized = cv2.normalize(depth_data, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U) # 显示归一化后的深度图像 cv2.imshow('Depth Image', depth_image_normalized) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 深度滤波 深度图像可能会受到噪声干扰，特别是远距离区域。可以通过中值滤波或高斯滤波来减少噪声： ```python # 使用中值滤波减少噪声 depth_filtered = cv2.medianBlur(depth_data, 5) # 显示滤波后的深度图像 depth_filtered_normalized = cv2.normalize(depth_filtered, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U) cv2.imshow('Filtered Depth Image', depth_filtered_normalized) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 深度范围限制 为了专注于特定距离范围内的对象，可以对深度图像进行阈值处理： ```python # 设置深度范围（例如 500mm 到 3000mm） min_depth = 500 max_depth = 3000 # 创建深度掩码 depth_mask = np.logical_and(depth_data > min_depth, depth_data < max_depth) # 应用掩码 depth_cropped = np.where(depth_mask, depth_data, 0) # 归一化并显示裁剪后的深度图像 depth_cropped_normalized = cv2.normalize(depth_cropped, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U) cv2.imshow('Cropped Depth Image', depth_cropped_normalized) cv2.waitKey(0) cv2.destroyAllWindows() ``` ###