备赛笔记：Opencv学习：颜色识别_opencv颜色识别

OpenCV颜色识别一般要以下步骤：
1 颜色空间转换，将BGR转换为HSV，用色调区分颜色
2 按照阈值滤出所识别的颜色
3 消除噪点，平滑边界
3 提取连续域，提取要识别的颜色

1 HSV
H：色调，用角度度量，范围0°到360°，从红色开始逆时针方向计算。红色为0°，红绿蓝间隔120°，互补色差180°。
S：饱和度，范围0到1，代表光谱色占颜色比例。0时颜色只有灰度，1时颜色为纯光谱色
V：明度，范围0到1，代表颜色明亮程度。0为黑色，1为白色

腐蚀（erosion）和膨胀（dilation）
腐蚀和膨胀作用：
1 消除噪声
2 分割独立图像元素
3 寻找极大值或极小值区域
膨胀：
将图像和任意寻找内涵进行卷积，提取覆盖区域的最大像素值。这一操作会使亮区扩展
腐蚀：
和膨胀正好相反，提取覆盖区域最下像素值1，这一操作让亮区变细，暗区变大

提取连通域：
两种像素邻接关系会构成连通域：4邻接（上下左右），和8邻接（包括对角线）

opencv里寻找连通域函数findContours()

·语法格式：
image,contours,hierarchy = cv2.findContours(image,mode,method)
式中返回值为：
·image: 与函数参数中的原始图像image一致。
·contours： 返回的轮廓。
·hierarchy： 图像的拓扑信息（轮廓层次）。
式中参数为：
·mode: 轮廓检索模式。
·method： 轮廓的近似方法。
参数mode:

cv2.RETR_EXTERNAL 只检测外轮廓

cv2.RETR_LIST检测的轮廓不建立等级关系

cv2.RETR_CCOMP建立两个等级的轮廓

cv2.RETR_TREE建立一个等级树结构的轮廓

参数method:

cv2.CHAIN_APPROX_NONE存储所有的轮廓点

cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

（具体算法实现可以去了解union-find算法）

颜色识别程序实现

import cv2
import numpy as np

cap = cv2.VideoCapture(0)
red_min = np.array([0, 128, 46])
red_max = np.array([5, 255, 255])
red2_min = np.array([156, 128, 46])
red2_max = np.array([180, 255, 255])
yellow_min = np.array([15, 128, 46])
yellow_max = np.array([50, 255, 255])

while True:
    ret,frame = cap.read()
    x,y = frame.shape[0:2]
    small_frame = cv2.resize(frame, (int(y / 2), int(x / 2)))
    cv2.imshow('small', small_frame)
    
    src = small_frame.copy()
    res = src.copy()
    hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)
    mask_red1 = cv2.inRange(hsv, red_min, red_max)
    mask_red2 = cv2.inRange(hsv, red2_min, red2_max)
    mask_yellow = cv2.inRange(hsv, yellow_min, yellow_max)
    mask = cv2.bitwise_or(mask_red1, mask_red2)
    mask = cv2.bitwise_or(mask, mask_yellow)
    res = cv2.bitwise_and(src, src, mask=mask)
    h, w = res.shape[:2]
    blured = cv2.blur(res, (5, 5))
    ret, bright = cv2.threshold(blured, 10, 255, cv2.THRESH_BINARY)
    gray = cv2.cvtColor(bright, cv2.COLOR_BGR2GRAY)
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    opened = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)
    closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)
    contours, hierarchy = cv2.findContours(closed, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    cv2.drawContours(src, contours, -1, (255, 0, 0), 2)
    cv2.imsow("result", src)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
cap.release()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

1 red_min = np.array([0, 128, 46])
red_max = np.array([5, 255, 255])
red2_min = np.array([156, 128, 46])
red2_max = np.array([180, 255, 255])
yellow_min = np.array([15, 128, 46])
yellow_max = np.array([50, 255, 255])
我们要识别两种红色和一种黄色。这里列出它们的阈值上下限作为图像二值化的取值范围

2 hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)
把图像转化为hsv类型

3 mask_red1 = cv2.inRange(hsv, red_min, red_max)
mask_red2 = cv2.inRange(hsv, red2_min, red2_max)
mask_yellow = cv2.inRange(hsv, yellow_min, yellow_max)
mask = cv2.bitwise_or(mask_red1, mask_red2)
mask = cv2.bitwise_or(mask, mask_yellow)
res = cv2.bitwise_and(src, src, mask=mask)
图像二值化，提取满足阈值范围的像素
cv2.inRange(图像，阈值下限，阈值上限)：将阈值范围内像素设为255，阈值之外像素设为0
cv2.bitwise_or(图像1,图像2)：图像或运算实现叠加
cv2.bitwise_and（图像1,图像2）：图像与运算实现叠加

4 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
opened = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)
closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)
提取连续开闭区间用于降噪：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
设置卷积核，第一个参数代表卷积核形状，有MORPH_RECT（矩形），MORPH_ELLIPSE（椭圆），MORPH_CROSS（十字形），第二个参数代表卷积核行和列

cv2.morphologyEx(要处理图像，处理方式，卷积核)
opened = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel)
开运算，先腐蚀后膨胀，可以消除小黑点，平滑边界。

closed = cv2.morphologyEx(opened, cv2.MORPH_CLOSE, kernel)
闭运算，先膨胀后腐蚀，可以消除小黑洞

5 contours, hierarchy = cv2.findContours(closed, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(src, contours, -1, (255, 0, 0), 2)
提取连续域，得到区间