使用 OpenCV 追踪指定颜色的物体

计算机视觉是人工智能领域的一个重要分支，它可以让计算机理解和处理图像、视频等视觉数据。OpenCV 是一个广泛使用的计算机视觉库，它提供了丰富的工具和函数，用于处理图像和视频数据。在本篇博客中，我们将介绍如何使用 OpenCV 来追踪指定颜色的物体，以及实现的详细步骤。

简介

追踪指定颜色的物体是计算机视觉中的一个有趣的任务。例如，你可以用摄像头捕捉实时视频，并追踪红色的物体。这可以用于各种应用，如机器人导航、交互式游戏或简单的趣味实验。下面是实现这一目标的详细步骤。

步骤 1: 打开摄像头

首先，我们需要打开计算机的摄像头，以获取实时视频流。这可以通过 OpenCV 的 VideoCapture 类来完成。以下是示例代码：

import cv2

# 打开摄像头
cap = cv2.VideoCapture(0)

步骤 2: 读取视频帧

接下来，我们将在一个循环中不断读取视频的每一帧。这可以使用 VideoCapture 对象的 read() 方法实现，它返回两个值：一个布尔值 ret，用于表示是否成功读取帧，以及图像帧本身。

while True:
    ret, frame = cap.read()

    if not ret:
        break

步骤 3: 转换颜色空间

要追踪特定颜色的物体，我们需要将图像从默认的 BGR（蓝绿红）颜色空间转换为 HSV（色相、饱和度、亮度）颜色空间。在 HSV 颜色空间中，颜色信息更容易提取和分析。

# 将BGR图像转换为HSV图像
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

步骤 4: 创建颜色范围掩码

接下来，我们需要定义要追踪的颜色范围。这里以红色为例，但需要注意的是，红色在 HSV 颜色空间中分布在两个不同的区域，所以我们需要创建两个掩码并将它们合并。

import numpy as np

# 设置要追踪的颜色范围
lower_red1 = np.array([0, 100, 100])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([160, 100, 100])
upper_red2 = np.array([180, 255, 255])

# 根据颜色范围创建掩码
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)

# 合并两个掩码
mask = mask1 + mask2

步骤 5: 位运算获取追踪结果

现在，我们可以使用位运算将原始帧和掩码组合，以获取追踪结果。

# 对原始帧和掩码进行位运算，获取追踪结果
result = cv2.bitwise_and(frame, frame, mask=mask)

步骤 6: 显示结果

最后，我们可以使用 OpenCV 的 imshow() 函数来显示原始帧、掩码和追踪结果。

# 显示原始帧、掩码和追踪结果
cv2.imshow('Original', frame)
cv2.imshow('Mask', mask)
cv2.imshow('Result', result)

步骤 7: 退出循环

我们还需要添加一个退出循环的条件。在示例代码中，按下 “q” 键会退出循环。

if cv2.waitKey(1) & 0xFF == ord('q'):
    break

步骤 8: 清理资源

最后，在程序结束时，记得释放摄像头并关闭窗口。

# 关闭摄像头和窗口
cap.release()
cv2.destroyAllWindows()

这就是使用 OpenCV 追踪指定颜色的物体的完整流程。你可以根据自己的需求调整颜色范围和其他参数来追踪不同的颜色物体。这个示例可以作为一个有趣的起点，让你更深入地探索计算机视觉的世界。希望这篇博客对你有所帮助，谢谢阅读！

结果实例

运行结果如下：
本次使用了红色物体识别

运行结果