利用python和opencv做的摄像头颜色提取

最近导师给了个项目，做个智能捡拾乒乓球机器人，其中一部分涉及摄像头动态捕捉黄色乒乓球。这对于初涉机器视觉开发的大三学生来说是个难题，于是我把任务分解，先完成黄色的颜色提取，再往后做后续的任务。

于是我上网查阅大量资料，突然发现python和opencv的结合能完成强大的类似图像采集，处理，人脸识别，模式匹配，是机器视觉开发的强大利器，毫不犹豫决定入坑。

开始使用c++和opencv，但是看到网上的配置过于麻烦，还要装VS。于是另辟蹊径，从此打开python的大门。python看了相关介绍，觉得非常好用，易于上手，从此爱上了python。当然也没忘了老本行java，作为有追求的码农必须视野开拓。（好的，怪我又扯远了，python的简单好用我就不多说了，全在代码里，360搜一下也行）。

opencv更是强大到不行，让我这种数学不好的能用到那么多已实现的优秀算法，让机器视觉开发变得更加简单，你只需关心你的应用，而不需敲破脑袋去实现那些高大上的算法，感谢Intel和工程师不懈的努力。

首先，我先强调我的开发环境是python2.7和opencv2.4.8，因为python3.0和以后的版本不兼容python2.x，安装配置什么的我就不介绍了，网上教程一大堆，否则也就不算原创了。

简单介绍下HSV和BGR：

在图像处理中，最常用的颜色空间是RGB模型，常用于颜色显示和图像处理，三维坐标的模型形式，非常容易被理解。

而HSV模型，是针对用户观感的一种颜色模型，侧重于色彩表示，什么颜色、深浅如何、明暗如何。

第一次接触HSV，书本里首先抛出的是一个圆锥模型，由于很少使用HSV，所以印象不深刻，但看一些资料时，HSV的概念时不时出来骚扰一些人的神经，所以，弄清楚HSV与RGB的关系，建立直观的印象是很有必要的。

HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。

这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。

色调H

用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

饱和度S

饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V

明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

看图知效果：

有想要代码的去下载我的资源，这里我就不贴了

链接地址：http://download.csdn.net/detail/qq_24693837/9633146