• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    python利用opencv实现颜色检测

    本文实例为大家分享了python利用opencv实现颜色检测的具体代码,供大家参考,具体内容如下

    需要实现倒车辅助标记检测的功能,倒车辅助标记颜色已经确定了,所以不需要使用深度学习的方法,那样成本太高了,直接可以使用颜色检测的方法。

    1.首先需要确定待检测目标的HSV值

    import cv2
    
    img = cv2.imread('l3.png')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    
    def mouse_click(event, x, y, flags, para):
     if event == cv2.EVENT_LBUTTONDOWN: # 左边鼠标点击
      print('PIX:', x, y)
      print("BGR:", img[y, x])
      print("GRAY:", gray[y, x])
      print("HSV:", hsv[y, x])
    
    
    if __name__ == '__main__':
     cv2.namedWindow("img")
     cv2.setMouseCallback("img", mouse_click)
     while True:
      cv2.imshow('img', img)
      if cv2.waitKey() == ord('q'):
       break
     cv2.destroyAllWindows()

    2.然后利用颜色检测,检测出指定目标

    import numpy as np
    import cv2
    
    font = cv2.FONT_HERSHEY_SIMPLEX
    lower_red = np.array([0, 127, 128]) # 红色阈值下界
    higher_red = np.array([10, 255, 255]) # 红色阈值上界
    lower_yellow = np.array([15, 230, 230]) # 黄色阈值下界
    higher_yellow = np.array([35, 255, 255]) # 黄色阈值上界
    lower_blue = np.array([85,240,140])
    higher_blue = np.array([100,255,165])
    frame=cv2.imread("l3.png")
    img_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    mask_red = cv2.inRange(img_hsv, lower_red, higher_red) # 可以认为是过滤出红色部分,获得红色的掩膜
    mask_yellow = cv2.inRange(img_hsv, lower_yellow, higher_yellow) # 获得绿色部分掩膜
    mask_yellow = cv2.medianBlur(mask_yellow, 7) # 中值滤波
    mask_red = cv2.medianBlur(mask_red, 7) # 中值滤波
    mask_blue = cv2.inRange(img_hsv, lower_blue, higher_blue) # 获得绿色部分掩膜
    mask_blue = cv2.medianBlur(mask_blue, 7) # 中值滤波
    #mask = cv2.bitwise_or(mask_green, mask_red) # 三部分掩膜进行按位或运算
    print(mask_red)
    cnts1, hierarchy1 = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 轮廓检测 #红色
    cnts2, hierarchy2 = cv2.findContours(mask_blue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 轮廓检测 #红色
    cnts3, hierarchy3 = cv2.findContours(mask_yellow, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    
    for cnt in cnts1:
     (x, y, w, h) = cv2.boundingRect(cnt) # 该函数返回矩阵四个点
     cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2) # 将检测到的颜色框起来
     cv2.putText(frame, 'red', (x, y - 5), font, 0.7, (0, 0, 255), 2)
    for cnt in cnts2:
     (x, y, w, h) = cv2.boundingRect(cnt) # 该函数返回矩阵四个点
     cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 0, 255), 2) # 将检测到的颜色框起来
     cv2.putText(frame, 'blue', (x, y - 5), font, 0.7, (0, 0, 255), 2)
    
    for cnt in cnts3:
     (x, y, w, h) = cv2.boundingRect(cnt) # 该函数返回矩阵四个点
     cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) # 将检测到的颜色框起来
     cv2.putText(frame, 'yellow', (x, y - 5), font, 0.7, (0, 255, 0), 2)
    cv2.imshow('frame', frame)
    
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    3.效果

    以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

    您可能感兴趣的文章:
    • python基于OpenCV模板匹配识别图片中的数字
    • Python OpenCV高斯金字塔与拉普拉斯金字塔的实现
    • Python OpenCV 基于图像边缘提取的轮廓发现函数
    • Python opencv操作深入详解
    • Python+Opencv实现数字识别的示例代码
    • python中的opencv和PIL(pillow)转化操作
    • OpenCV+Python几何变换的实现示例
    • python+opencv实现车道线检测
    • python opencv实现图像配准与比较
    • python OpenCV学习笔记
    上一篇:详解Python中openpyxl模块基本用法
    下一篇:Python接口自动化系列之unittest结合ddt的使用教程详解
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    python利用opencv实现颜色检测 python,利用,opencv,实现,颜色,