OpenCV实战项目——多种颜色识别

---

前言

        本专栏旨在学习记录OpenCV的各种基础知识和常用函数的用法，共八节基础内容已全部记录完毕。最后一篇文章将进入OpenCV的简单实战——各种颜色识别，在本篇文章中，我将详细记录使用OpenCV进行颜色识别的完整代码及代码分析，并上传OpenCV的所有基础内容及实战项目的源码。

一、代码展示

首先展示该实战项目的完整代码：

import cv2
import numpy as np
 
def color_detection(frame):
    # 定义颜色范围（在HSV颜色空间中）
    lower_red = np.array([0, 100, 100])
    upper_red = np.array([10, 255, 255])
    lower_blue = np.array([110, 100, 100])
    upper_blue = np.array([130, 255, 255])
    lower_green = np.array([50, 100, 100])
    upper_green = np.array([70, 255, 255])
 
    # 将帧转换为HSV颜色空间
    hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
 
    # 根据颜色范围创建掩膜
    red_mask = cv2.inRange(hsv_frame, lower_red, upper_red)
    blue_mask = cv2.inRange(hsv_frame, lower_blue, upper_blue)
    green_mask = cv2.inRange(hsv_frame, lower_green, upper_green)
 
    # 对掩膜进行形态学操作，以去除噪声
    kernel = np.ones((5, 5), np.uint8)
    red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_OPEN, kernel)
    blue_mask = cv2.morphologyEx(blue_mask, cv2.MORPH_OPEN, kernel)
    green_mask = cv2.morphologyEx(green_mask, cv2.MORPH_OPEN, kernel)
 
    # 在原始帧中找到颜色区域并绘制方框
    contours, _ = cv2.findContours(red_mask + blue_mask + green_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours:
        x, y, w, h = cv2.boundingRect(contour)
        color = ""
        if cv2.contourArea(contour) > 500:  # 设置最小区域面积以排除噪声
            if np.any(red_mask[y:y+h, x:x+w]):
                color = "红色"
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
            elif np.any(blue_mask[y:y+h, x:x+w]):
                color = "蓝色"
                cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
            elif np.any(green_mask[y:y+h, x:x+w]):
                color = "绿色"
                cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
            cv2.putText(frame, color, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
 
    return frame
 
# 打开摄像头
cap = cv2.VideoCapture(0)
 
while True:
    # 读取摄像头帧
    ret, frame = cap.read()
 
    # 进行颜色识别
    result = color_detection(frame)
 
    # 显示结果帧
    cv2.imshow("Color Detection", result)
 
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
 
# 释放摄像头和关闭窗口
cap.release()
cv2.destroyAllWindows()

接下来，我们将对这段代码进行详细分析

二、战前准备

        想要完成颜色识别的实战项目，除了掌握本专栏所记录的所有基础内容之外，还得熟悉以下知识：

（一）创建数组

        创建数组并不是opencv库中的内容，而是numpy库中的内容。创建数组在进行颜色检测等方面十分重要，通常可以通过创建一个三元数组来确定颜色的范围，例如RGB、HSV等。

        使用numpy库创建数组的函数如下：

np.array([a, b, c])  # 创建一个（a, b, c）的数组

其中a、b、c为常数，在本实战项目中可以设置为颜色的HSV颜色空间数值

（二）HSV颜色空间

        HSV颜色空间由三个分量组成：色相（Hue）、饱和度（Saturation）和明度（Value）。通过调整这些分量的值，我们可以选择特定的颜色范围，HSV具体含义如下：

1. 色相（Hue）：色相值表示颜色在颜色轮上的位置。不同的颜色在色相上有不同的取值范围。例如，红色的色相值约为0-10或160-180，蓝色的色相值约为110-130，绿色的色相值约为50-70。根据所需识别的颜色，选择相应的色相范围。

2. 饱和度（Saturation）：饱和度值表示颜色的纯度或鲜艳程度。较高的饱和度值表示颜色更加鲜艳，而较低的饱和度值表示颜色较为灰暗。根据实际场景中颜色的饱和度，选择适当的饱和度范围。

3. 明度（Value）：明度值表示颜色的亮度或明暗程度。较高的明度值表示颜色较亮，而较低的明度值表示颜色较暗。根据实际场景中颜色的明度，选择适当的明度范围。

        这些值是根据经验和实验进行调整的，以获得最佳的颜色识别效果。我们可以根据具体的应用场景和需求进行调整，以适应不同的颜色识别任务。在实际使用中，我们可能需要进行多次尝试和调整，以找到最适合需求的颜色范围。

        对于每种颜色（红色、蓝色和绿色），我们使用np.array()函数创建了一个包含三个元素的NumPy数组。这些元素分别代表HSV颜色空间中的色相、饱和度和明度的下限和上限。

        例如，对于红色，我们将色相的下限设置为0，上限设置为10。这意味着我们将识别色相值在0到10之间的红色。饱和度和明度的下限设置为100，上限设置为255，以确保我们只识别饱和度和明度较高的红色。代码如下：

lower_red = np.array([0, 100, 100])
upper_red = np.array([10, 255, 255])

（三）创建掩膜

        在进行颜色识别时，我们通过创建掩膜的方法来将图像进行二值化，即非黑即白，通过创建颜色掩膜，可以将图像中的特定颜色范围提取出来，让摄像头对目标颜色更为敏感。

        我们使用cv2.inRange()函数来创建颜色掩膜。它会根据指定的颜色范围，将图像中在范围内的像素设置为255（白色），而其他像素则设置为0（黑色）

cv2.inRange(src, lowerb, upperb)

其中三个参数分别为：

（1）“src”， 输入图像，可以是灰度图像或彩色图像

（2）“lowerb”， 下限阈值，用于指定要提取的像素的最小值

（3）“upperb”， 上限阈值，用于指定要提取的像素的最大值

例如，创建红色掩膜的代码如下：

red_mask = cv2.inRange(hsv_frame, lower_red, upper_red)
 
# lower_red = np.array([0, 100, 100])
# upper_red = np.array([10, 255, 255])

三、完整代码分析

（1）我们首先导入该项目所要用到的库

import cv2
import numpy as np

（2）然后创建一个子函数用于进行颜色识别，其中，参数frame代表的是摄像头获取的帧，即待处理的图像

def color_detection(frame):

（3）在颜色识别函数中，我们先用np.array()函数创建红色、绿色、蓝色在HSV颜色空间中的阈值范围

    lower_red = np.array([0, 100, 100])
    upper_red = np.array([10, 255, 255])
    lower_blue = np.array([110, 100, 100])
    upper_blue = np.array([130, 255, 255])
    lower_green = np.array([50, 100, 100])
    upper_green = np.array([70, 255, 255])

（4）使用cv2.cvtColor()函数将帧转换为HSV颜色空间

    hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

（5）根据颜色范围使用cv2.inRange()函数创建掩膜

    red_mask = cv2.inRange(hsv_frame, lower_red, upper_red)
    blue_mask = cv2.inRange(hsv_frame, lower_blue, upper_blue)
    green_mask = cv2.inRange(hsv_frame, lower_green, upper_green)

（6）对掩膜进行形态学操作，以去除噪声
 

    kernel = np.ones((5, 5), np.uint8)
    red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_OPEN, kernel)
    blue_mask = cv2.morphologyEx(blue_mask, cv2.MORPH_OPEN, kernel)
    green_mask = cv2.morphologyEx(green_mask, cv2.MORPH_OPEN, kernel)

（7）将前面创建的红、绿、蓝三个掩膜进行相加，并将相加的结果作为输入图，寻找颜色的轮廓

    contours, _ = cv2.findContours(red_mask + blue_mask + green_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

（8）得到轮廓列表countours后进行遍历（循环），提取出轮廓列表中的所有轮廓值，并记录为countour

    for contour in contours:

（9）可以使用cv2.boundingRect()函数计算每一个轮廓（contour）的边界框，该函数将得到x、y、w、h四个返回值，其中：(x, y) 是矩形框左上角的坐标，w 是矩形框的宽度，h 是矩形框的高度。

        x, y, w, h = cv2.boundingRect(contour)

（10）用if语句设置最小区域面积以排除噪声，即当目标颜色区域太小时不显示

        if cv2.contourArea(contour) > 500:

（11）用if语句判断识别到的颜色处于哪个HSV颜色空间阈值内，并使用cv2.rectangle()函数绘制对应颜色的方框圈住目标颜色，再用cv2.putText()函数进行颜色注释。

        例如：red_mask[y:y+h, x:x+w]表示从红色掩膜中提取出与当前轮廓对应的区域（切片操作）。如果在该区域中存在非零值（即存在红色像素），则条件为真，表示当前轮廓属于红色区域。

        本段代码十分重要，是颜色识别的核心判断，请反复琢磨代码，确保自己十分清晰判断原理和绘制矩形方法。如果对该判断原理不够熟悉，可以自行复习一下python的if语句和opencv的图像基础操作。

   if np.any(red_mask[y:y+h, x:x+w]):
       color = "红色"
       cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 0, 255), 2)
   elif np.any(blue_mask[y:y+h, x:x+w]):
       color = "蓝色"
       cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2)
   elif np.any(green_mask[y:y+h, x:x+w]):
       color = "绿色"
       cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
   cv2.putText(frame, color, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

（12）返回帧

    return frame

（13）打开摄像头

cap = cv2.VideoCapture(0)

（14）进入主循环

while True:
    # 读取摄像头帧
    ret, frame = cap.read()
 
    # 进行颜色识别
    result = color_detection(frame)
 
    # 显示结果帧
    cv2.imshow("Color Detection", result)
 
    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
 
# 释放摄像头和关闭窗口
cap.release()
cv2.destroyAllWindows()

四、总结

该OpenCV实战项目全部分析完毕，本专栏到此也全部结束