基于python+opencv利用颜色，区分多个目标（附带详细代码）

效果图

先上个效果图:

视频可能看不清，解释一下：就是通过hsv色彩空间将蓝色和红色同时识别出来，并且区分它们，画出标志标出坐标。

说明

本实验仅适用于基于色彩的识别与区分，比如多种颜色的小球的识别与区分，仅用颜色来区分对象。比较单一简单，并且HSV对光线比较敏感，代码中建了两个滑条来调整阈值。找到某光照下最合适识别的阈值。本文不涉及机器学习算法，就是纯opencv实现。

代码

一次性给出所有代码，直接复制运行即可看到效果，适当的调整阈值，得到最佳的识别效果。

import cv2 as cv
import numpy as np


def nothing(x):
    pass


def morphological_operation(frame):

    kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))  # 获取图像结构化元素
    dst = cv.morphologyEx(frame, cv.MORPH_CLOSE, kernel)  # 闭操作
    return dst


def color_detetc(frame):

    hmin1 = cv.getTrackbarPos('hmin1', 'color_adjust1')
    hmax1 = cv.getTrackbarPos('hmax1', 'color_adjust1')
    smin1 = cv.getTrackbarPos('smin1', 'color_adjust1')
    smax1 = cv.getTrackbarPos('smax1', 'color_adjust1')
    vmin1 = cv.getTrackbarPos('vmin1', 'color_adjust1')
    vmax1 = cv.getTrackbarPos('vmax1', 'color_adjust1')

    hmin2 = cv.getTrackbarPos('hmin2', 'color_adjust2')
    hmax2 = cv.getTrackbarPos('hmax2', 'color_adjust2')
    smin2 = cv.getTrackbarPos('smin2', 'color_adjust2')
    smax2 = cv.getTrackbarPos('smax2', 'color_adjust2')
    vmin2 = cv.getTrackbarPos('vmin2', 'color_adjust2')
    vmax2 = cv.getTrackbarPos('vmax2', 'color_adjust2')
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)  # hsv 色彩空间 分割肤色
    lower_hsv1 = np.array([hmin1, smin1, vmin1])
    upper_hsv1 = np.array([hmax1, smax1, vmax1])
    mask1 = cv.inRange(hsv, lowerb=lower_hsv1, upperb=upper_hsv1)  # hsv 掩码
    lower_hsv2 = np.array([hmin2, smin2, vmin2])
    upper_hsv2 = np.array([hmax2, smax2, vmax2])
    mask2 = cv.inRange(hsv, lowerb=lower_hsv2, upperb=upper_hsv2)  # hsv 掩码
    ret, thresh1 = cv.threshold(mask1, 40, 255, cv.THRESH_BINARY)  # 二值化处理
    ret, thresh2 = cv.threshold(mask2, 40, 255, cv.THRESH_BINARY)  # 二值化处理

    return thresh1, thresh2


def main():
    cv.namedWindow("color_adjust1")
    cv.namedWindow("color_adjust2")
    cv.createTrackbar("hmin1", "color_adjust1", 16, 255, nothing)
    cv.createTrackbar("hmax1", "color_adjust1", 31, 255, nothing)
    cv.createTrackbar("smin1", "color_adjust1", 119, 255, nothing)
    cv.createTrackbar("smax1", "color_adjust1", 255, 255, nothing)
    cv.createTrackbar("vmin1", "color_adjust1", 0, 255, nothing)
    cv.createTrackbar("vmax1", "color_adjust1", 255, 255, nothing)

    cv.createTrackbar("hmin2", "color_adjust2", 98, 255, nothing)
    cv.createTrackbar("hmax2", "color_adjust2", 110, 255, nothing)
    cv.createTrackbar("smin2", "color_adjust2", 138, 255, nothing)
    cv.createTrackbar("smax2", "color_adjust2", 232, 255, nothing)
    cv.createTrackbar("vmin2", "color_adjust2", 255, 255, nothing)
    cv.createTrackbar("vmax2", "color_adjust2", 255, 255, nothing)
    capture = cv.VideoCapture(0)  # 打开电脑自带摄像头，如果参数是1会打开外接摄像头

    while True:
        ret, frame = capture.read()
        mask1, mask2 = color_detetc(frame)
        scr1 = morphological_operation(mask1)
        scr2 = morphological_operation(mask2)

        img1, contours1, heriachy1 = cv.findContours(scr1, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # 获取轮廓点集(坐标)
        img2, contours2, heriachy2 = cv.findContours(scr2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # 获取轮廓点集(坐标)
        cv.drawContours(frame, contours1, -1, (0, 0, 255), 2)
        cv.drawContours(frame, contours2, -1, (0, 255, 0), 2)
        for i, contour in enumerate(contours1):
            area1 = cv.contourArea(contour)
            if area1 > 20:
                (x1, y1), radius1 = cv.minEnclosingCircle(contours1[i])
                x1 = int(x1)
                y1 = int(y1)
                center1 = (int(x1), int(y1))
                radius1 = int(radius1)
                cv.circle(frame, center1, 3, (0, 0, 255), -1)  # 画出重心
                print("黄色坐标:", (x1, y1))
                cv.putText(frame, "yellow:", (x1, y1), cv.FONT_HERSHEY_SIMPLEX,
                       0.5, [255, 255, 255])
        for k, contour in enumerate(contours2):
            area2 = cv.contourArea(contour)
            if area2 > 20:
                (x2, y2), radius2 = cv.minEnclosingCircle(contours2[k])
                x2 = int(x2)
                y2 = int(y2)
                center2 = (int(x2), int(y2))
                radius2 = int(radius2)
                cv.circle(frame, center2, 3, (0, 0, 255), -1)  # 画出重心
                print("蓝色坐标:", (x2, y2))
                cv.putText(frame, "blue:", (x2, y2), cv.FONT_HERSHEY_SIMPLEX,
                       0.5, [255, 255, 255])
        cv.imshow("mask1", mask1)
        cv.imshow("mask2", mask2)
        cv.imshow("frame", frame)
        c = cv.waitKey(50)
        if c == 27:
            break


main()

cv.waitKey(0)
cv.destroyAllWindows()

识别到目标后获取目标的坐标，还可以单目测距的算法，计算出距离，再用pnp算法得到欧拉角、旋转角，获取目标相对于摄像头的一个位置，然后控制云台，实现击打或者别的一些操作。这些通常是一些识别类装置的第一步。

• 优点：速度快，没有很多复杂的算法，机器学习的，其他什么的算法，所以在速度方面上会比较快。
• 缺点：使用场景很小，对于特定比赛、装置可能有用，应用与大型的多功能智能机器人身上还是完全不行的。

如果觉得文章对你有一点点启示或帮助的话，不妨点个赞噢

相关文章

基于tensorflow2.0+CNN实现手势识别(全)
Robomaster装甲板识别-基于python+opencv的思路分享
keras代码+YOLOv3训练自己的数据集完成摄像头实时手势识别(纯小白白也能看得懂!!!)