Python-OpenCV实现简单的颜色识别（对红色和蓝色识别并输出）

2023-09-08 10:55

短信预约 -IT技能 免费直播动态提醒

摄像头识别红色和蓝色并框选，当该颜色为摄像头屏幕上大多数颜色时打印出该颜色的名称

新手学习笔记，第一次写博客，若有错误还请指出（ ~`_` ）~

1.调包

import cv2import numpy as npfrom matplotlib import pyplot as plt

2.初始设置

lower_red = np.array([0, 50, 100])        #为红色和蓝色设置阈值用来为之后处理图像准备upper_red = np.array([10, 255, 255])      #该阈值是在HSV颜色空间下lower_blue = np.array([100,50,100])upper_blue = np.array([124, 255, 255])red = (0,0,225)                           #设置红色和蓝色在BGR颜色空间下的数值元组blue = (225,0,0)cv2.namedWindow('video', cv2.WINDOW_AUTOSIZE)#设置窗口'video'，大小为自适应模式cv2.resizeWindow('video',640,480)            #为窗口设置宽度（640）和高度（480）

3.图像处理，提取颜色

def img_process(img,lower,upper):    """根据阈值处理图像，提取阈值内的颜色。返回处理后只留下指定颜色的图像（其余为黑色）        img：原图像；lower：最低阈值；upper：最高阈值"""    kernel = np.ones((35, 35), np.uint8)                #创建一个35x35卷积核，卷积核内元素全为1    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)          #将BGR图像转化为HSV图像，方便颜色提取    Open = cv2.morphologyEx(hsv,cv2.MORPH_OPEN,kernel)  #用卷积核对图像进行形态学开运算操作，去除噪声    mask = cv2.inRange(Open, lower, upper)              #开运算得到的图像用阈值进行二值化处理（处理后的结果为在阈值内的部分变为白色，不在阈值内的部分为黑色）    res = cv2.bitwise_and(img, img, mask = mask)        #二值化处理后的图像与原图进行位与运算（处理后在阈值内的颜色变为原颜色，不在阈值内的部分仍为黑色）    return res              #该函数的返回值为位与运算之后的图像，此图像只保留了在阈值内的图像，其余部分为黑色

4.轮廓绘制

def cnts_draw(img,res,color):    """在原图像上绘出指定颜色的轮廓。无返回值        img：原图像；res：只剩某颜色的位与运算后的图像；color：轮廓的颜色"""    canny = cv2.Canny(res,100,200)#Canny边缘检测算法，用来描绘图像中物体的边缘，（100，200为此函数的两个阈值，该阈值越小轮廓的细节越丰富）    contours, hierarchy=cv2.findContours(canny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)#寻找图像轮廓的函数，这里先用Canny算法得到只保留轮廓的图像方便轮廓的找寻    if len(contours) == 0:#传递到max函数中的轮廓不能为空        cv2.imshow('video',img)        return    else:        max_cnt = max(contours , key = cv2.contourArea)#找到轮廓中最大的一个        cv2.drawContours(img, max_cnt,-1,color,2)#在原图上绘制这个最大轮廓        (x,y,w,h) = cv2.boundingRect(max_cnt)#找到这个最大轮廓的最大外接矩形，返回的（x，y）为这个矩形右下角的顶点，w为宽度，h为高度        cv2.rectangle(img,(x,y),(x+w,y+h),color,3)#在原图上绘制这个矩形        cv2.imshow('video', img)#展示原图

5.颜色识别

def colorfind(img):    """找到原图像最多的颜色，当该颜色为红色或蓝色时打印出来该颜色的名称，无返回值        img：原图像"""    kernel = np.ones((35, 35), np.uint8)    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)    Open = cv2.morphologyEx(hsv,cv2.MORPH_OPEN,kernel)#以上为图像处理    hist = cv2.calcHist([Open],[0],None,[180],[0,180])#对Open图像的H通道进行直方图统计    hist_max = np.where(hist == np.max(hist))#找到直方图hist中列方向最大的点hist_max    if 0 < hist_max[0] < 10:#hist_max[0]为hist_max的行方向的值，即H的值，H在0~10为红色        print('red')            elif 100 < hist_max[0] < 124:#H在100~124为蓝色        print('blue')    else :                       #H不在前两者之间跳出函数        return#可以添加对H的判断来识别更多的颜色

下面是OpenCV中HSV空间颜色对照表

6.程序主体

if __name__ == "__main__":    cap = cv2.VideoCapture(0)#打开摄像头（0代表打开默认摄像头，若有两个摄像头可用1表示打开另一个摄像头）    while cap.isOpened():#判断摄像头是否正常打开        flag, frame = cap.read()#读取摄像头返回两个参数，flag是布尔类型代表摄像头是否正常读取，frame是从摄像头读取的图像        if not flag:            #若无法读取则跳出循环            print("无法读取摄像头！")            break        else:            if frame is not None: #判断摄像头有无画面                res_blue = img_process(frame,lower_blue,upper_blue)                res_red = img_process(frame,lower_red,upper_red)                cnts_draw(frame,res_blue,blue)                cnts_draw(frame,res_red,red)                colorfind(frame)                key = cv2.waitKey(10)                if key == 27:                    break            else:                print("无画面")                break    cap.release()#释放资源，停止读取摄像头    cv2.destroyAllWindows()#关闭所有窗口

完整源代码

import cv2import numpy as npfrom matplotlib import pyplot as pltlower_red = np.array([0, 50, 100])upper_red = np.array([10, 255, 255])lower_blue = np.array([100,50,100])upper_blue = np.array([124, 255, 255])     #若绘制轮廓与自己期望的识别结果相差较大，可通过调整阈值来改变识别结果red = (0,0,225)blue = (225,0,0)cv2.namedWindow('video', cv2.WINDOW_AUTOSIZE)cv2.resizeWindow('video',640,480)def img_process(img,lower,upper):    """根据阈值处理图像，提取阈值内的颜色。返回处理后只留下指定颜色的图像（其余为黑色）        img：原图像；lower：最低阈值；upper：最高阈值"""    kernel = np.ones((35, 35), np.uint8)    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)    Open = cv2.morphologyEx(hsv,cv2.MORPH_OPEN,kernel)    mask = cv2.inRange(Open, lower, upper)    res = cv2.bitwise_and(img, img, mask = mask)    return resdef cnts_draw(img,res,color):    """在原图像上绘出指定颜色的轮廓。无返回值        img：原图像；res：只剩某颜色的位与运算后的图像；color：轮廓的颜色"""    canny = cv2.Canny(res,100,200)    contours, hierarchy=cv2.findContours(canny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)    if len(contours) == 0:        cv2.imshow('video',img)        return    else:        max_cnt = max(contours , key = cv2.contourArea)        cv2.drawContours(img, max_cnt,-1,color,2)        (x,y,w,h) = cv2.boundingRect(max_cnt)        cv2.rectangle(img,(x,y),(x+w,y+h),color,3)        cv2.imshow('video', img)        def colorfind(img):    """找到原图像最多的颜色，当该颜色为红色或蓝色时打印出来该颜色的名称，无返回值        img：原图像"""    kernel = np.ones((35, 35), np.uint8)    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)    Open = cv2.morphologyEx(hsv,cv2.MORPH_OPEN,kernel)    hist = cv2.calcHist([Open],[0],None,[180],[0,180])    hist_max = np.where(hist == np.max(hist))    if 0 < hist_max[0] < 10:        print('red')    elif 100 < hist_max[0] < 124:        print('blue')    else :        returnif __name__ == "__main__":    cap = cv2.VideoCapture(0)    while cap.isOpened():        flag, frame = cap.read()        if not flag:            print("无法读取摄像头！")            break        else:            if frame is not None:                 res_blue = img_process(frame,lower_blue,upper_blue)                res_red = img_process(frame,lower_red,upper_red)                cnts_draw(frame,res_blue,blue)                cnts_draw(frame,res_red,red)                colorfind(frame)                key = cv2.waitKey(10)                if key == 27:                    break            else:                print("无画面")                break    cap.release()    cv2.destroyAllWindows()

下面是程序运行的实例