opencv利用摄像头对指定颜色的目标进行识别

RGB与HSV详细介绍

转自https://blog.csdn.net/hanshanbuleng/article/details/80383813

RGB:
  1. RGB是从颜色发光的原理来设计定的,通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯,当它们的光相互叠合的时候,色彩相混,而亮度却等于两者亮度之总和,越混合亮度越高,即加法混合。
  2. 红、绿、蓝三个颜色通道每种色各分为256阶亮度,在0时“灯”最弱——是关掉的,而在255时“灯”最亮。当三色灰度数值相同时,产生不同灰度值的灰色调,即三色灰度都为0时,是最暗的黑色调;三色灰度都为255时,是最亮的白色调。
  3. 在电脑中,RGB的所谓“多少”就是指亮度,并使用整数来表示。通常情况下,RGB各有256级亮度,用数字表示为从0、1、2…直到255。注意虽然数字最高是255,但0也是数值之一,因此共256级。
    在这里插入图片描述
HSV:

HSV是一种比较直观的颜色模型,所以在许多图像编辑工具中应用比较广泛,这个模型中颜色的参数分别是:色调(H, Hue),饱和度(S,Saturation),明度(V, Value)。

  1. 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°;
  2. 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。
  3. 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)。
    在这里插入图片描述
openCV中HSV取值范围说明
  1. PS软件时,H取值范围是0-360,S取值范围是(0%-100%),V取值范围是(0%-100%)。
  2. 利用openCV中cvSplit函数的在选择图像IPL_DEPTH_32F类型时,H取值范围是0-360,S取值范围是0-1(0%-100%),V取值范围是0-1(0%-100%)。
  3. 利用openCV中cvSplit函数的在选择图像IPL_DEPTH_8UC类型时,H取值范围是0-180,S取值范围是0-255,V取值范围是0-255。
HSV色彩范围

在这里插入图片描述

以下为识别红色目标的例子:

转自https://blog.csdn.net/qq_40314507/article/details/78231041

#include<opencv2/highgui/highgui.hpp&
  • 4
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
利用OpenCV进行颜色识别,你需要执行以下步骤: 1. 导入OpenCV库和摄像头模块 ```python import cv2 cap = cv2.VideoCapture(0) # 打开默认摄像头 ``` 2. 定义要识别颜色范围 ```python # 定义要识别颜色范围 lower_color = np.array([h_min, s_min, v_min]) upper_color = np.array([h_max, s_max, v_max]) ``` 3. 在摄像头捕获的图像中找到指定颜色的物体 ```python while True: # 读取摄像头捕获的帧 _, frame = cap.read() # 将图像转换为HSV颜色空间 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 根据定义的颜色范围创建掩膜 mask = cv2.inRange(hsv, lower_color, upper_color) # 对掩膜进行膨胀和腐蚀操作 mask = cv2.erode(mask, None, iterations=2) mask = cv2.dilate(mask, None, iterations=2) # 在原图中找到像素值为1的区域,即符合颜色范围的区域 contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历所有区域,画出矩形框 for contour in contours: x, y, w, h = cv2.boundingRect(contour) cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) # 显示图像 cv2.imshow('frame', frame) # 按下q键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放摄像头并关闭所有窗口 cap.release() cv2.destroyAllWindows() ``` 在上述代码中,我们使用`cv2.inRange()`函数创建了一个掩膜,它用于在图像中找出符合颜色范围的区域。然后,我们使用`cv2.erode()`和`cv2.dilate()`函数对掩膜进行了膨胀和腐蚀操作,以去除噪点和填补空洞。接下来,我们使用`cv2.findContours()`函数找到所有符合要求的区域,再使用`cv2.rectangle()`函数在原图中画出矩形框。最后,我们使用`cv2.imshow()`函数显示图像,并通过按下q键退出循环。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

唱戏先生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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