利用opencv实现颜色跟踪

opencv识别颜色块并进行跟踪

 1.导入库

import cv2
import numpy as np

 2.读取目标颜色块的图像，并读取颜色BGR通道的值

img[1900,1400]  确定颜色区域某个位置点即可，可使用画图工具打开图像获取

img = cv2.imread('2.jpg')
blue,green,red = img[1900,1400]
print(blue,green,red)
color = np.uint8([[[blue, green, red]]])

 3.修改颜色通道

原因：在 HSV 颜色空间中要比在 BGR 空间

中更容易表示一个特定颜色。

通过计算可得到该颜色的上、下hsv范围

#颜色通道BGR 改为 HSV
hsv_color = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)

#将值赋给hue
hue = hsv_color[0][0][0]

#算出lower and upper bounds
lower_bound = [hue - 10, 100, 100]
upper_bound = [hue + 10, 255, 255]

4.开启摄像头 （以下是对摄像头读取的每一帧图像进行处理）

完成了对颜色块的hsv读取，之后我们只需要对摄像头读取的图像每一帧进行一个扫描，找到该hsv阈值内的颜色块，并将它用框框框起来

cap = cv2.VideoCapture(0)

5.对图像做高斯平滑处理 

while True:
    ret, frame = cap.read()
    if ret!=1:
        break
    #高斯
    imgGaussian = cv2.GaussianBlur(frame,(5,5),0)

 6.创建一个掩码

掩码：目标颜色块为255（白），其他无关的全为0（黑）

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

# 使用NumPy创建数组以保存下限和上限范围
    lower_range = np.array(lower_bound, dtype=np.uint8)
    upper_range = np.array(upper_bound, dtype=np.uint8)

# 创建一个掩码
    #掩码中255白色表示目标，
    mask = cv2.inRange(hsv, lower_range, upper_range)

 7.对掩码进行形态学操作

将错误识别的小点点滤除，减小干扰

    imgErode = cv2.erode(mask,(5,5),iterations = 5)
    opening = cv2.morphologyEx(imgErode, cv2.MORPH_OPEN, (5, 5))
    opening = cv2.morphologyEx(opening, cv2.MORPH_OPEN, (5, 5))
    opening = cv2.morphologyEx(opening, cv2.MORPH_OPEN, (5, 5)

 8.寻找轮廓

并设置一个范围，对可能出现的错误颜色区域不进行识别，因为背景环境有可能跟目标颜色块颜色相同，导致错误识别

    cnt,hierarchy = cv2.findContours(opening,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

    for i, c in enumerate(cnt):
        (x, y, w, h) = cv2.boundingRect(c)
        #轮廓中心点
        if w*h < 50:
            continue
        #cx = x+w/2
        #cy = y+h/2

        cv2.rectangle(frame,(x-20,y-20),(x+w+20,y+h+20),(0,0,255),3)

 9.显示图像

# 显示原始图像和掩码图像
    cv2.imshow('Canny',opening)
    cv2.imshow('img', frame)

# 等待用户按下 ESC 键
    k = cv2.waitKey(10)
    if k == 27:  # ESC键的ASCII码为27
        break

# 关闭所有窗口
cv2.destroyAllWindows()

到这就完成了，如果觉得对你有帮助，麻烦点个赞！