树莓派配合python opencv 实现的颜色追踪与识别

直接上代码，大家直接复制运行就可以看到效果
前提是安装好了OpenCV3

一开始我的代码没有注解 我花了点时间在后面加了一个有注解的代码
如果需要了解代码的功能
可以划到下面看看

import numpy as np
import cv2

blue_lower = np.array([100,43,46])
blue_upper = np.array([124,255,255])  #这里是设置颜色
cap = cv2.VideoCapture(0) 

cap.set(3, 320)
cap.set(4, 240)

while 1:
    ret, frame = cap.read()
    frame = cv2.GaussianBlur(frame, (5, 5), 0)
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, blue_lower, blue_upper)
    # 图像学膨胀腐蚀
    mask = cv2.erode(mask, None, iterations=2)
    mask = cv2.GaussianBlur(mask, (3, 3), 0)
    res = cv2.bitwise_and(frame, frame, mask=mask)
    # 寻找轮廓并绘制轮廓
    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]

    if len(cnts) > 0:
        # 寻找面积最大的轮廓并画出其最小外接圆
        cnt = max(cnts, key=cv2.contourArea)
        (x, y), radius = cv2.minEnclosingCircle(cnt)
        cv2.circle(frame, (int(x), int(y)), int(radius), (255, 0, 255), 2)
        # 找到物体的位置坐标,获得颜色物体的位置，可以来控制小车的转向
        print(int(x), int(y))
    else:
        pass
    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)
    cv2.imshow('res', res)
    if cv2.waitKey(5) & 0xFF == 27:
        break
cap.release()
cv2.destroyAllWindows()

需要追踪的颜色是HSV的样式具体颜色表格如下
可以根据自己的需求来设置需要的颜色
可以参照我写的代码来设置颜色的参数

追踪效果图如下，我设置的是蓝色追踪。

这样就可以实现在树莓派上实现颜色的识别与最终，可以与小车结合来控制小车的一些运动与暂停的交互。比如红灯停，绿灯行。

import cv2
import numpy as np #导入库
blue_lower = np.array([100,43,46])
blue_upper = np.array([124,255,255]) #设置颜色区间
cap = cv2.VideoCapture(0)  #打开摄像头
cap.set(3,640)
cap.set(4,480)  #设置窗口的大小
while 1: #进入无线循环
    ret,frame = cap.read() #将摄像头拍摄到的画面作为frame的值
    frame = cv2.GaussianBlur(frame,(5,5),0) #高斯滤波GaussianBlur() 让图片模糊
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) #将图片的色域转换为HSV的样式 以便检测
    mask = cv2.inRange(hsv,blue_lower,blue_upper)  #设置阈值，去除背景 保留所设置的颜色

    mask = cv2.erode(mask,None,iterations=2) #显示腐蚀后的图像
    mask = cv2.GaussianBlur(mask,(3,3),0) #高斯模糊
    res = cv2.bitwise_and(frame,frame,mask=mask) #图像合并

    cnts = cv2.findContours(mask.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2] #边缘检测

    if len(cnts) >0 : #通过边缘检测来确定所识别物体的位置信息得到相对坐标
        cnt = max(cnts,key=cv2.contourArea)
        (x,y),radius = cv2.minEnclosingCircle(cnt)
        cv2.circle(frame,(int(x),int(y)),int(radius),(255,0,255),2) #画出一个圆
        print(int(x),int(y))
    else:
        pass
    cv2.imshow('frame',frame) #将具体的测试效果显示出来
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    if cv2.waitKey(5) & 0xFF == 27: #如果按了ESC就退出 当然也可以自己设置
        break

cap.release()
cv2.destroyAllWindows() #后面两句是常规操作,每次使用摄像头都需要这样设置一波

对于打印出来的坐标，是以窗口的左上角为原点，向下为y轴正半轴，向右为x轴正半轴