opencv——颜色识别

大家好，欢迎来到IT知识分享网。

颜色识别

前言

一、颜色识别是什么？

二、图像处理中对颜色的转换

• H：Hue,（色调、色相）
• S：Saturation,（饱和度、色彩纯净度）
• V：Value,（明度）
  
  
  
  

在有限的时间里，我将要对HSV的使用进行一个总结，和一个算法优化比对。

三、HSV的相关函数和应用流程

• HSV的相关引用大致分为以下流程：
  • 颜色模型转换
  • 颜色过滤
  • 形态学操作
  • 位运算
  • 可视化

步骤展示

• 获取图像：首先，需要从摄像机或存储设备中获取原始图像。
• 颜色模型转换：然后，将原始图像转换为HSV颜色模型，即将RGB值转换为对应的H、S、V值。
• 颜色过滤：根据要识别的颜色范围，对图像进行颜色过滤，即设置HSV的阈值，滤除RGB值不在指定范围内的像素。
• 这里，对一个色环图片进行处理，然后通过调节不同的hsv值来表现上面的操作过程。
  
  

代码如下（示例）：

import cv2 import numpy as np def nothing(x): pass #通过Opencv读取图片信息 #src = cv2.imread('image.jpg') path="D:/PycharmProjects/pythonProject/Use-pic/hsv.jpg" img =cv2.imread(path) # img = cv2.imread("D:/PycharmProjects/hsv.jpg") rows,cols,channels = img.shape cv2.namedWindow("src", cv2.WINDOW_NORMAL);//可随意调整窗口大小 cv2.imshow("src", img) cv2.namedWindow("img2", cv2.WINDOW_NORMAL); cv2.namedWindow('img2',1) # 创建6个滑条用来操作HSV3个分量的上下截取界限 cv2.createTrackbar('Hlow','img2',62,180,nothing) cv2.createTrackbar('Hup','img2',99,180,nothing) cv2.createTrackbar('Slow','img2',198,255,nothing) cv2.createTrackbar('Sup','img2',255,255,nothing) cv2.createTrackbar('Vlow','img2',150,255,nothing) cv2.createTrackbar('Vup','img2',255,255,nothing) hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) while(1): #将制定像素点的数据设置为0, 要注意的是这三个参数对应的值是Blue, Green, Red。 hlow = cv2.getTrackbarPos('Hlow', 'img2') hup = cv2.getTrackbarPos('Hup', 'img2') slow = cv2.getTrackbarPos('Slow', 'img2') sup = cv2.getTrackbarPos('Sup', 'img2') vlow = cv2.getTrackbarPos('Vlow', 'img2') vup = cv2.getTrackbarPos('Vup', 'img2') lower_red = np.array([hlow, slow, vlow]) upper_red = np.array([hup, sup, vup]) mask = cv2.inRange(hsv, lower_red, upper_red) img2 = cv2.bitwise_and(img, img, mask=mask) cv2.imshow("img2", img2) k = cv2.waitKey(1)&0xFF if k == 27: #esc exit brea cv2.destroyAllWindows() 

import cv2 import numpy as np def show(img,name): cv2.namedWindow(name, cv2.WINDOW_NORMAL) cv2.imshow(name,img) cv2.waitKey(0) cv2.destroyAllWindows() #获取图像 img = cv2.imread("D:/PycharmProjects/pythonProject/Use-pic/hsv.jpg") #颜色模式转换 hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) #通过确定上下限提取范围内的掩膜mask lower = np.array([170,30 , 30]) upper = np.array([180, 255, 255]) mask = cv2.inRange(hsv_img, lower, upper) #腐蚀与膨胀处理 kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3,3)) eroded = cv2.erode(mask, kernel) #膨胀图像 dilated = cv2.dilate(eroded,kernel) #位运算 bitwise = cv2.bitwise_and(img,img,mask=dilated) show(img,"img") show(mask,"mask") show(eroded,"eroded") show(dilated,"dilated") show(bitwise,"bitwise") cv2.destroyAllWindows() 

这里是常用颜色的相关数值

实例操作

代码如下（示例）：

import cv2 import numpy as np from matplotlib import pyplot as plt lower_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 res 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) 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: return if __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() 

结果：

总结

本文简单介绍hsv在颜色识别上的应用，当然，对于颜色识别还有更高精度的视觉算法。但对于日常颜色识别需求而言，hsv是足够的。