今天就跟大家聊聊有关怎么在python中使用opencv检测目标颜色,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
Python是一种编程语言,内置了许多有效的工具,Python几乎无所不能,该语言通俗易懂、容易入门、功能强大,在许多领域中都有广泛的应用,例如最热门的大数据分析,人工智能,Web开发等。
实例如下所示:
# -*- coding:utf-8 -*- import cv2 import numpy as np import time if __name__ == '__main__': Img = cv2.imread('example.png')#读入一幅图像 kernel_2 = np.ones((2,2),np.uint8)#2x2的卷积核 kernel_3 = np.ones((3,3),np.uint8)#3x3的卷积核 kernel_4 = np.ones((4,4),np.uint8)#4x4的卷积核 if Img is not None:#判断图片是否读入 HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)#把BGR图像转换为HSV格式 ''' HSV模型中颜色的参数分别是:色调(H),饱和度(S),明度(V) 下面两个值是要识别的颜色范围 ''' Lower = np.array([20, 20, 20])#要识别颜色的下限 Upper = np.array([30, 255, 255])#要识别的颜色的上限 #mask是把HSV图片中在颜色范围内的区域变成白色,其他区域变成黑色 mask = cv2.inRange(HSV, Lower, Upper) #下面四行是用卷积进行滤波 erosion = cv2.erode(mask,kernel_4,iterations = 1) erosion = cv2.erode(erosion,kernel_4,iterations = 1) dilation = cv2.dilate(erosion,kernel_4,iterations = 1) dilation = cv2.dilate(dilation,kernel_4,iterations = 1) #target是把原图中的非目标颜色区域去掉剩下的图像 target = cv2.bitwise_and(Img, Img, mask=dilation) #将滤波后的图像变成二值图像放在binary中 ret, binary = cv2.threshold(dilation,127,255,cv2.THRESH_BINARY) #在binary中发现轮廓,轮廓按照面积从小到大排列 contours, hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) p=0 for i in contours:#遍历所有的轮廓 x,y,w,h = cv2.boundingRect(i)#将轮廓分解为识别对象的左上角坐标和宽、高 #在图像上画上矩形(图片、左上角坐标、右下角坐标、颜色、线条宽度) cv2.rectangle(Img,(x,y),(x+w,y+h),(0,255,),3) #给识别对象写上标号 font=cv2.FONT_HERSHEY_SIMPLEX cv2.putText(Img,str(p),(x-10,y+10), font, 1,(0,0,255),2)#加减10是调整字符位置 p +=1 print '黄色方块的数量是',p,'个'#终端输出目标数量 cv2.imshow('target', target) cv2.imshow('Mask', mask) cv2.imshow("prod", dilation) cv2.imshow('Img', Img) cv2.imwrite('Img.png', Img)#将画上矩形的图形保存到当前目录 while True: Key = chr(cv2.waitKey(15) & 255) if Key == 'q': cv2.destroyAllWindows() break
看完上述内容,你们对怎么在python中使用opencv检测目标颜色有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注亿速云行业资讯频道,感谢大家的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。