opencv颜色识别python_python opencv检测并提取目标颜色

这次给大家带来python opencv检测并提取目标颜色，python opencv检测并提取目标颜色的注意事项有哪些，下面就是实战案例，一起来看一下。

实例如下所示：# -*- coding:utf-8 -*-

author = 'kingking'

version = '1.0'

date = '14/07/2017'

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

原始图像

处理之后保存的图像

相信看了本文案例你已经掌握了方法，更多精彩请关注php中文网其它相关文章！

推荐阅读：

以上就是python opencv检测并提取目标颜色的详细内容，更多请关注php中文网其它相关文章！

本文原创发布php中文网，转载请注明出处，感谢您的尊重！