基于CV2实现颜色分类，附完整代码

---

前言

基于cv2实现颜色分类

---

一、项目背景

在研究某安客空间推理验证码时，已基于YOLOv8训练目标检测模型识别出物体位置、分类及朝向，因为打标签太过耗时，所以没有训练检测实例颜色的模型，在此基于cv2，利用算法对物体颜色进行分类。

二、图片示例

完整图片

模型识别后分割图片

三、运行环境

Python	3.10.6
opencv-python	4.10.0.84
numpy	1.26.4

四、颜色检测、分类

检测思路

具体步骤如下：

1. 转换颜色空间：将图像从BGR颜色空间转换为HSV颜色空间，以便更好地识别颜色。
2. 定义颜色范围：定义红色、绿色、蓝色和黄色在HSV颜色空间中的下限和上限。
3. 创建颜色掩码：使用cv2.inRange()函数为每种颜色创建一个掩码，以区分图像中的不同颜色。
4. 计算像素数：使用cv2.countNonZero()函数计算每种颜色的像素数。
5. 确定最突出的颜色：比较每种颜色的像素数，找出最大的像素数，即最突出的颜色。
6. 返回结果：根据最突出的颜色，返回相应的颜色名称。如果最大像素数对应多种颜色或无法识别颜色，则返回"Unknown Color"。

代码实现

import cv2
import numpy as np


def detect_color(image_path):
    # 读取图像
    img = cv2.imread(image_path)

    # 转换到HSV颜色空间
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    # 定义HSV范围
    # 注意：这些范围可能需要根据你的实际图像进行调整
    lower_red = np.array([0, 120, 70])
    upper_red = np.array([10, 255, 255])

    lower_green = np.array([35, 100, 50])
    upper_green = np.array([85, 255, 255])

    lower_blue = np.array([90, 40, 50])
    upper_blue = np.array([140, 255, 255])

    lower_yellow = np.array([20, 100, 100])
    upper_yellow = np.array([30, 255, 255])

    # 创建颜色掩码
    mask_red = cv2.inRange(hsv, lower_red, upper_red)
    mask_green = cv2.inRange(hsv, lower_green, upper_green)
    mask_blue = cv2.inRange(hsv, lower_blue, upper_blue)
    mask_yellow = cv2.inRange(hsv, lower_yellow, upper_yellow)

    # 计算每种颜色的像素数
    red_count = cv2.countNonZero(mask_red)
    green_count = cv2.countNonZero(mask_green)
    blue_count = cv2.countNonZero(mask_blue)
    yellow_count = cv2.countNonZero(mask_yellow)

    # 确定最突出的颜色
    max_count = max(red_count, green_count, blue_count, yellow_count)

    if max_count == red_count:
        return "Red"
    elif max_count == green_count:
        return "Green"
    elif max_count == blue_count:
        return "Blue"
    elif max_count == yellow_count:
        return "Yellow"
    else:
        return "Unknown Color"


color = detect_color("cropped_image_9.png")
print(color)

注意事项
HSV范围可能需要根据你的实际图像进行调整, 以包含较浅或较深的颜色

颜色掩码

颜色掩码（Color Mask）是图像处理中的一种技术，用于从图像中提取特定颜色的区域。

在这个函数中，颜色掩码被用来隔离图像中的特定颜色。

以下是创建颜色掩码的具体步骤：

1. 定义颜色范围：首先定义了红色、绿色、蓝色和黄色在HSV颜色空间中的下限和上限。例如，红色的下限定义为[0, 120, 70]，上限定义为[10, 255, 255]。
2. 创建掩码：使用cv2.inRange()函数创建掩码。这个函数会生成一个二值图像（黑白图像），其中白色像素表示HSV值在定义的颜色范围内，黑色像素表示不在范围内。
3. mask_red = cv2.inRange(hsv, lower_red, upper_red)：这行代码创建了一个红色的掩码，其中hsv是转换后的HSV图像，lower_red和upper_red分别是红色的HSV下限和上限。
   类似地，还有mask_green、mask_blue和mask_yellow。
4. 计算像素数：使用cv2.countNonZero()函数计算每个掩码中非零（即白色）像素的数量，这代表了图像中该颜色的像素数量。
5. 通过这种方式，颜色掩码帮助我们从原始图像中筛选出特定颜色的区域，并进一步分析这些区域的特征。

---

五、总结：

以上就是本文的内容，利用颜色掩码计算每种颜色的像素数量，像素数量最多的颜色，则为实例最突出的颜色；
与Yolov8分类模型的方式相比，省去了打标签训练的时间，更快速的实现了颜色分类的功能。