Opencv中的颜色检测

最新推荐文章于 2024-05-19 10:11:02 发布
最新推荐文章于 2024-05-19 10:11:02 发布
阅读量3.6k 收藏 2
点赞数 1
分类专栏： Opencv 文章标签： Opencv RGB 色差 腐蚀膨胀 颜色检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gx_489587482/article/details/53313384
版权
由于项目需要，要对照片的中某一块进行颜色检测！由于受光照等因素影响，再加上肉眼看起来也不准确！比如说，红色，红色有深红，浅红，但是你不知道它们之间的R,G,B区别在哪里，或者说可能在肉眼看来是没有区别的！查资料总结如下：用现场的拍的照片作为样品，其他的跟这个样品进行比较，在一定的色差范围内容认定检测是符合的。思路：得到样本中R,G,B分量与检测的图片中的每个像素点的R,G,B分量进行比较在色差范围内容的像素点置为255，否则为0！这样就可以得到二值化的图片，最后在此结果上进行处理即可！
实际运行时，可以结合自身的图片先进行一些其他处理，如腐蚀，膨胀之类的！如果有更好的方法，请指教！
debuggers_0506
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV - C++实战（05） — 颜色检测
几度春风里的博客
02-21 5057
本专栏介绍OpencV 计算机视觉程序库，基于C++语言编程，提供完整代码，持续更新文章。
OpenCV 颜色检测| color detection
Harry的博客
08-05 3217
OpenCV 颜色检测| color detection
【OpenCV 基础知识 9】颜色过滤
最新发布
记录日常技术经验
05-19 233
这个函数的作用是将输入图像的每个像素与上下界进行比较，如果像素的颜色数值在上下界之间，则该像素保留在输出图像中，否则被设为零或其他指定的值。是一个用于在颜色空间中根据设定的上下界范围进行颜色过滤的函数。该函数通常用于图像处理和计算机视觉应用，特别是在处理彩色图像时。
Opencv实现颜色检测
Keep_Trying_Go的博客
06-27 2246
Opencv实现颜色检测
LabVIEW色彩匹配实现颜色识别、颜色检验（基础篇—13）
热门推荐
不脱发的程序猿
08-18 3万+
色彩匹配是将模板图像与待测图像或其中某一区域的颜色进行比较，判断它们是否相同或相近的过程。它可以用于颜色识别、颜色检验以及彩色对象定位等基于色彩信息比较的应用程序。
【opencv】检测颜色
weixin_72504310的博客
09-01 1190
在opencv中提供了inRange（）函数来检测颜色。：色彩范围（提取颜色是将某一范围的颜色提取）：输出图像（称作蒙版）
opencv颜色检测
cqltbe131421的博客
07-19 1812
main.cpp #include "mainwindow.h" #include #include #include #include #include #include #include #include "colordetector.h" #include "opencvcolordetector.h" using namespace cv; int main(int ar
Opencv+颜色识别
qq_53188955的博客
04-10 1480
一、安装opencv 链接：https://zhuanlan.zhihu.com/p/92184435 二、代码如下 import numpy as np import cv2 font = cv2.FONT_HERSHEY_SIMPLEX lower_green = np.array([35, 110, 106]) # 绿色范围低阈值 upper_green = np.array([77, 255, 255]) # 绿色范围高阈值 lower_red = np.array([0, 127, 128])
使用OpenCV检测图像中的矩形
08-18
使用OpenCV检测图像中的矩形 OpenCV是一个功能强大的计算机视觉库，提供了许多实用的函数和类来处理图像。其中，检测图像中的矩形是一种常见的图像处理任务，本文将详细介绍使用OpenCV来检测图像中的矩形。 矩形...
基于Opencv的车道线检测
12-23
在OpenCV中，`cv2.HoughLinesP()`函数用于直线检测，它返回一系列的起点和终点坐标。 找到直线后，需要对这些点进行拟合，得到更精确的车道线。通常采用最小二乘法或RANSAC算法来拟合直线方程。拟合后的线条信息可...
opencv车道线检测
11-23
在本文中，我们将深入探讨如何使用OpenCV库在Visual Studio 2015中结合Qt进行车道线检测的实现。OpenCV（开源计算机视觉库）是一个强大的工具，用于图像处理和计算机视觉任务，而Qt则是一个跨平台的开发框架，用于...
颜色识别.rar
08-02
基于stm32f4开发系统的颜色识别程序，通过对ov2640摄像头采集到的图像进行RGB转HSL处理，根据自己设定的颜色进行识别并以红色方框显示出来。
基于Opencv的机器视觉缺陷检测、印刷检测
07-08
2. 色彩分析：通过色彩空间转换（如RGB到HSV），检测颜色偏差。 3. 套准检测：利用图像配准技术，检查不同层之间的对齐情况。 4. 模糊度检测：评估图像的锐利度，判断印刷品的清晰程度。 四、可执行exe文件 项目...
opencv英文数字检测识别
11-21
opencv英文数字检测识别 python3.x opencv4.x 效果看博客地址：https://blog.csdn.net/qq_26696715/article/details/109898886
计算机视觉 OpenCV【六：应用之颜色检测】
Kukeoo的博客
04-29 1万+
一、什么是颜色检测 二、HSV图像类型介绍 三、二值化
OpenCV色彩校正模型MCC
希望我的博客，能帮上你解决学习中工作中所遇到的问题
04-24 1652
OpenCV色彩校正模型CCM色彩校正模型CCM建造Building示例的源代码代码解释 色彩校正模型CCM 在本教程中，您将学习如何使用“色彩校正模型”对图像进行色彩校正。 建造Building 在构建OpenCV时，运行以下命令以构建所有contrib模块： cmake -D OPENCV_EXTRA_MODULES_PATH=<opencv_contrib>/modules/ 或仅构建mcc模块： cmake -D OPENCV_EXTRA_MODULES_PATH=<opencv
色彩校正及OpenCV mcc模块介绍
网络资源是无限的
10-29 3277
色彩校正及OpenCV mcc模块介绍
OpenCV基础（18）使用 OpenCV 和 Python 进行自动色彩校正
weixin_43229348的博客
09-30 9194
上周我们实现了如何进行直方图匹配。使用直方图匹配，我们可以获取一幅图像的颜色分布并将其与另一幅图像匹配。 色彩匹配的一个实际应用是通过色彩恒常性来执行基本色彩校正。颜色恒定性的目标是正确感知物体的颜色，而不管光源、照明等的差异（正如您想象的那样，说起来容易做起来难）。 摄影师和计算机视觉从业者可以通过使用颜色校正卡来帮助获得颜色稳定性，比如下面这张: 使用色彩校正/色彩恒常卡，我们可以： 检测输入图像中的色彩校正卡 计算卡片的直方图，其中包含不同颜色、色调、阴影、黑色、白色和灰色的渐变颜色 将色卡的直方
颜色识别OpenCV
m0_52764800的博客
12-05 5097
OpenCV颜色识别机械视觉
opencv形状颜色检测
06-07
OpenCV可以用来进行形状和颜色检测。以下是一个简单的示例代码，用于检测红色三角形： ```python import cv2 import numpy as np # 加载图像 img = cv2.imread('shapes.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化 ret,thresh = cv2.threshold(gray,127,255,1) # 查找轮廓 contours,hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历轮廓 for cnt in contours: # 计算轮廓周长 perimeter = cv2.arcLength(cnt,True) # 近似轮廓 approx = cv2.approxPolyDP(cnt,0.04*perimeter,True) # 如果是三角形，且颜色为红色，则标记出来 if len(approx)==3: x,y,w,h = cv2.boundingRect(cnt) roi = img[y:y+h, x:x+w] hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV) # 在HSV颜色空间中，红色的范围是([0,100,100], [10,255,255])和([160,100,100], [179,255,255]) lower_red = np.array([0,100,100]) upper_red = np.array([10,255,255]) mask1 = cv2.inRange(hsv, lower_red, upper_red) lower_red = np.array([160,100,100]) upper_red = np.array([179,255,255]) mask2 = cv2.inRange(hsv, lower_red, upper_red) mask = mask1 + mask2 if cv2.countNonZero(mask) > 0: cv2.drawContours(img,[cnt],0,(0,0,255),-1) # 显示结果 cv2.imshow('shapes',img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 注意，这只是一个简单的示例，实际应用中可能需要调整参数和算法以获取更好的结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值