OpenCV_Task02：图像的基础操作、色彩空间

思考题：

1、HSV和BGR三原色在图片信息存储的差别在哪？

答：

• 全彩图像RGB：颜色通道（红、绿、蓝），三层，每层的0-255代表该层颜色的亮度，opencv里是BGR
• HSV：色调（H），饱和度（S），明度（V），增加黑色V减小，增加白色S减小

练习题：

1、编写一段程序实现以下功能:

代码调用电脑摄像头，寻找视野中任意颜色（自定）并具有一定大小的物体，并用矩形框处，最后显示在图像上；
答：源码是从别人的博客copy的，但是自己查了一遍需要的使用API，并附上了注释

# -*- coding: utf-8 -*-
import cv2 as cv
import numpy as np

# 读取视频
capture = cv.VideoCapture(0)                        #参数0调用主机摄像头
height = capture.get(cv.CAP_PROP_FRAME_HEIGHT)      #视频流的帧高度
width = capture.get(cv.CAP_PROP_FRAME_WIDTH)        #视频流的帧宽度
fps = capture.get(cv.CAP_PROP_FPS)                  #帧率
print(height, width, fps)

def process(image, opt=1):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    # RGB转HSV色彩空间

    line = cv.getStructuringElement(cv.MORPH_RECT, (15, 15), (-1, -1))
    # getStructuringElement函数会返回指定形状和尺寸的结构元素
    # 参数1：内核的形状，有三种形状可以选择
    #   矩形：MORPH_RECT;
    #   交叉形：MORPH_CROSS;
    #   椭圆形：MORPH_ELLIPSE;
    # 参数2：内核的尺寸
    # 参数3；锚点的位置

    mask = cv.inRange(hsv, (11, 43, 46), (34, 255, 255))
    # inRange()函数可实现二值化功能，主要是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0）
    # 参数1：输入要处理的图像，可以为单通道或多通道
    # 参数2：包含下边界的数组或标量
    # 参数3：包含上边界数组或标量

    mask = cv.morphologyEx(mask, cv.MORPH_OPEN, line)
    # 开运算，消除小的亮点
    # 参数1：要处理的图像
    # 参数2；处理方式，这里为开运算
    # 参数3：核结构

    contours, hierarchy = cv.findContours(mask, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    # 轮廓提取, 发现最大轮廓
    # 参数1：源图像
    # 参数2：轮廓的检索方式，cv.RETR_EXTERNAL只寻找最高层级的轮廓
    # 参数3：一般用 cv.CHAIN_APPROX_SIMPLE，就表示用尽可能少的像素点表示轮廓
    # contours：图像轮廓坐标，是一个链表
    # hierarchy：[Next, Previous, First Child, Parent]

    for i in contours:
            x, y, w, h = cv.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）
            if min(image.shape[0], image.shape[1]) / 10 < min(h, w) \
                    < min(image.shape[0], image.shape[1]) / 1:
                cv.rectangle(image, (x, y), (x + w, y + h), (0, 255,), 3)
                # 给识别对象写上标号
                font = cv.FONT_HERSHEY_SIMPLEX
                cv.putText(image,'' , (x - 10, y + 10), font, 1, (0, 0, 255), 2)  # 加减10是调整字符位置
    return image
# 循环处理每一帧
while(True):
    ret, frame = capture.read()
    if ret is True:
        result = process(frame)
        cv.imshow("result", result)
        c = cv.waitKey(50)
        if c == 27:  #ESC
            break
    else:
        break
cv.waitKey(0)
cv.destroyAllWindows()

附：目标跟踪、颜色识别（inRange 如何寻找目标HSV值）

https://blog.csdn.net/LNL_LNL/article/details/99675801