轻松搞定颜色识别：Python-OpenCV让摄像头化身颜色鉴别官

2023-04-17 23:55:35

使用Python-OpenCV轻松实现摄像头颜色识别

在日常生活中，我们经常需要识别和区分不同颜色的物体。而借助计算机视觉技术，我们可以让摄像头具备这项能力，从而实现更智能、更自动化的应用。今天，我们将使用Python的OpenCV库来开发一个应用程序，让摄像头实时识别红色和蓝色，并将其框选起来。

摄像头初始化

import cv2

cap = cv2.VideoCapture(0)

首先，我们需要初始化摄像头。我们使用VideoCapture()函数，其中0表示默认摄像头，如果您有多个摄像头，可以使用不同的数字来选择其他摄像头。

颜色识别

接下来，我们使用cvtColor()函数将摄像头捕获的图像转换为HSV格式：

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

HSV格式是一种色彩空间，将颜色分解为色调（Hue）、饱和度（Saturation）和亮度（Value）。这样可以更轻松地识别不同颜色。

接下来，我们定义红色和蓝色的HSV值范围：

red_lower = np.array([160, 100, 100])
red_upper = np.array([180, 255, 255])
blue_lower = np.array([110, 50, 50])
blue_upper = np.array([130, 255, 255])

物体检测

现在，我们需要找到红色和蓝色物体的轮廓：

red_contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
blue_contours, _ = cv2.findContours(blue_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

我们使用inRange()函数来查找属于红色和蓝色HSV值范围内的像素，然后使用findContours()函数来找到这些像素组成的轮廓。

框选物体

最后，我们使用drawContours()函数来框选红色和蓝色物体：

cv2.drawContours(frame, red_contours, -1, (0, 0, 255), 3)
cv2.drawContours(frame, blue_contours, -1, (255, 0, 0), 3)

我们指定轮廓为-1表示绘制所有轮廓，并使用(0, 0, 255)和(255, 0, 0)分别表示红色和蓝色的颜色。

显示图像

现在，我们可以使用imshow()函数来显示图像：

cv2.imshow('Frame', frame)

检测到颜色并打印名称

最后，我们可以使用一个循环来不断捕获图像并检测颜色。当红色或蓝色物体占据摄像头屏幕上的大多数面积时，程序会打印出该颜色的名称：

while True:
    frame = cap.read()[1]
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    red_mask = cv2.inRange(hsv, red_lower, red_upper)
    blue_mask = cv2.inRange(hsv, blue_lower, blue_upper)
    red_contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    blue_contours, _ = cv2.findContours(blue_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cv2.drawContours(frame, red_contours, -1, (0, 0, 255), 3)
    cv2.drawContours(frame, blue_contours, -1, (255, 0, 0), 3)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break
    cv2.imshow('Frame', frame)