备赛笔记：Opencv学习：颜色识别

OpenCV颜色识别一般要以下步骤：
1 颜色空间转换，将BGR转换为HSV，用色调区分颜色
2 按照阈值滤出所识别的颜色
3 消除噪点，平滑边界
3 提取连续域，提取要识别的颜色

1 HSV
H：色调，用角度度量，范围0°到360°，从红色开始逆时针方向计算。红色为0°，红绿蓝间隔120°，互补色差180°。
S：饱和度，范围0到1，代表光谱色占颜色比例。0时颜色只有灰度，1时颜色为纯光谱色
V：明度，范围0到1，代表颜色明亮程度。0为黑色，1为白色

腐蚀（erosion）和膨胀（dilation）
腐蚀和膨胀作用：
1 消除噪声
2 分割独立图像元素
3 寻找极大值或极小值区域
膨胀：
将图像和任意寻找内涵进行卷积，提取覆盖区域的最大像素值。这一操作会使亮区扩展
腐蚀：
和膨胀正好相反，提取覆盖区域最下像素值1，这一操作让亮区变细，暗区变大

提取连通域：
两种像素邻接关系会构成连通域：4邻接（上下左右），和8邻接（包括对角线）

opencv里寻找连通域函数findContours()

·语法格式：
image,contours,hierarchy = cv2.findContours(image,mode,method)
式中返回值为：
·image: 与函数参数中的原始图像image一致。
·contours： 返回的轮廓。
·hierarchy： 图像的拓扑信息（轮廓层次）。
式中参数为：
·mode: 轮廓检索模式。
·method： 轮廓的近似方法。
参数mode:

cv2.RETR_EXTERNAL 只检测外轮廓

cv2.RETR_LIST检测的轮廓不建立等级关系

cv2.RETR_CCOMP建立两个等级的轮廓

cv2.RETR_TREE建立一个等级树结构的轮廓

参数method:

cv2.CHAIN_APPROX_NONE存储所有的轮廓点

cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

（具体算法实现可以去了解union-find算法）

颜色识别程序实现

import cv2
import numpy as np

cap = cv2.VideoCapture(0)
red_min = np.array([0, 128, 46])
red_max = np.array([5, 255, 255]