开发者

使用Python和OpenCV库实现实时颜色识别系统

目录
  • 一、引言
  • 二、系统概述
  • 三、代码解析
    • 1. 导入库
    • 2. 颜色识别函数
    • 3. 主程序循环
  • 四、HSV色彩空间详解
    • 五、颜色范围设定
      • 六、系统优化建议
        • 七、完整代码
          • 八、总结

            一、引言

            今天我将介绍一个使用python和OpenCV库实现的实时颜色识别系统。这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红、黄、绿、蓝)。这种技术在机器人视觉、自动化检测和交互式应用中有着广泛的应用前景。

            二、系统概述

            该系统主要包含以下几个功能:

            • 实时视频捕捉
            • 在视频帧中划定特定检测区域
            • 将检测区域转换为HSV色彩空间
            • 分析区域内的色调(H)值
            • 根据H值范围判断颜色类型
            • 实时显示结果

            三、代码解析

            1. 导入库

            import cv2
            

            我们只需要导入OpenCV库,它提供了强大的计算机视觉功能,包括图像处理和视频捕捉。

            2. 颜色识别函数

            def get_color(img):
                H = []
                color_name = None
                img = cv2.resize(img,(640,400),)
                # 将彩色图转换为HSV
                HSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
            编程    # 画矩形框
                cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)
                # 依次取出每行每列的H,S,V值放入容器中
                for i in range(280,360):
                    for j in range(180,260): H.append(HSV[j,i][0])
                # 分别计算出H,S,V的最大最小
                H_min = min(H);H_max = max(H)
                # 判断颜色
                if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_ma编程客栈x <= 180: color_name='red'
                elif  H_min >= 26 and H_max <= 34 : color_name='yellow'
                elif  H_min >= 35 and H_max <= 77 : color_name='green'
                elif  H_min >= 100 and H_max <= 124 : color_name='blue'
                print(color_name)
                return  img,color_name
            

            函数功能详解

            图像预处理

            • 首先将输入图像调整为固定尺寸(640×400),确保处理一致性

            色彩空间转换

            • 将BGR格式转换为HSV格式,HSV色彩空间更适合颜色识别
            • H(色调):表示颜色类型
            • S(饱和度):表示颜色的纯度
            • V(亮度):表示颜色的明暗程度

            检测区域标记

            • 在图像上绘制一个绿色矩形框(280,180)到(360,260),标识检测区域

            数据采集

            • 遍历检测区域内每个像素点,收集所有H值

            颜色判断

            • 计算区域内H值的最小和最大值
            • 根据H值范围判断颜色:
              • 红色:0-10或156-180
              • 黄色:26-34
              • 绿色:35-77
              • 蓝色:100-124

            3. 主程序循环

            cap = cv2.VideoCapture(0)
            while 1:
                _,frame=cap.read()
                img,cal = get_color(frame)
                cv2.imshow('',img)
                if cv2.waitKey(1) == 27:
                    break
            

            视频捕捉初始化

            • 创建VideoCapture对象,参数0表示使用默认摄像头

            主循环

            • 不断读取视频帧
            • 调用get_color函数处理每一帧
            • 显示处理后的图像
            • 按ESC键(ASCII 27)退出程序

            四、HSV色彩空间详解

            为什么选择HSV而不是RGB进行颜色识别?

            RGB的局限性

            • RGB三个通道都与亮度相关
            • 对光照变化敏感
            • 颜色判断需要同时考虑三个通道

            HSV的优势

            • 将颜色信息(H)与亮度(V)、饱和度(javascriptS)分离
            • 对光照变化有一定鲁棒性
            • 颜色判断主要依据H通道

            五、颜色范围设定

            OpenCV中HSV的范围:

            • H: 0-180 (通常色彩空间为0-360,但OpenCV使用8位存储,所以除以2)
            • S: 0-255
            • V: 0-255

            常见颜色H值范围:

            • 红色:0-10和170-180
            • 橙色:11-25
            • 黄色:26-34
            • 绿色:35-77
            • 蓝色:100-124
            • 紫色:125-155

            可对比如下的颜色范围图

            使用Python和OpenCV库实现实时颜色识别系统

            六、系统优化建议

            增加饱和度(S)和亮度(V)的过滤:

            • 可以排除低饱和度(接近灰色)或低亮度(接近黑色)的区域

            使用均值而非极值:

            • 当前使用min/max容易受噪声影响,可改为计算平均值

            扩大检测区域:

            • 当前区域较小(80×80像素),可以适当扩大

            添加更多颜色识别:

            • 如橙色、紫色等

            优化性能:

            • 当前双重循环效率不高,可以使用NumPy进行向量化操作

            七、完整代码

            import cv2
            
            def get_color(img):
                H = []
                color_name = None
                img = cv2.resize(img,(640,400),)
                # 将彩色图转换为HSV
                HSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
                # 画矩形框
                cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)
                # 依次取出每行每列的H,S,V值放入容器中
                for i in range(280,360):
                    for j in range(180,260): H.append(HSV[j,i][0])
                # 分别计算出H,S,V的最大最小
                H_min = min(H);H_max = max(H)
                # 判断颜色
                if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180: color_name='red'
                elif  H_min >= 26 and H_max <= 34 : color_name='yellow'
                elif  H_min >= 35 and H_max <= 77 : color_name='green'
                elif  H_min >= 100 and H_max <= 124 : color_name='blue'
                print(color_name)
                return  img,color_name
            
            cap = cv2.VideoCapture(0)
            while 1:
                _,frame=cap.read()
                img,cal = get_color(frame)
                cv2.imshow('',img)
                if cv2.waitKey(1) == 27:
                    break
            

            八、总结

            本文介绍了一个基于OpenCV的实时颜色识别系统,通过HSV色彩空间转换和色调范围判断实现了基本颜色识别功能。该系统可以作为更复杂计算机视觉项目的基础,通过进一步优化和扩展,能够满足各种实际应用需求。FjMkEQJjkU

            以上就是使用Python和OpenCV库实现实时颜色识别系统的详细内容,更多关于Python pythonOpenCV实时颜色识别的资料请关注编程客栈(www.devze.com)其它相关文章!

            0

            上一篇:

            下一篇:

            精彩评论

            暂无评论...
            验证码 换一张
            取 消

            最新开发

            开发排行榜