python+opencv：寻找有颜色的多边形，以黄色矩形为例

最新推荐文章于 2023-08-28 16:01:41 发布

绿洲-_-

最新推荐文章于 2023-08-28 16:01:41 发布

阅读量410

点赞数 2

分类专栏：树莓派电赛 opencv 文章标签： opencv python 计算机视觉

本文链接：https://blog.csdn.net/weixin_52996990/article/details/131715786

版权

树莓派电赛 opencv 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

该代码实现了一个用于2019年电子竞赛的黄色异物识别功能，特别是针对黄色矩形。它首先将图像转换为HSV颜色空间，然后应用黄色的HSV范围创建掩码，通过二值化处理找到轮廓。接着，它遍历轮廓，计算中心点和面积，识别出近似四边形的矩形，并在原图上画出轮廓。最后，返回黄色矩形的位置和面积信息。

摘要由CSDN通过智能技术生成

用于2019电赛识别黄色异物，根据题目需求，要识别出黄色的矩形，并拍出清晰的照片。
函数如下，

def detect_yellow_rectangles(image):
    # 将图像转换为HSV格式
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    cX = 0
    cY = 0
    area = 0
    # 定义黄色的HSV范围
    lower_yellow = np.array([30, 110, 85])
    upper_yellow = np.array([50, 255, 255])

    # 创建黄色的掩码
    mask = cv2.inRange(hsv, lower_yellow, upper_yellow)

    # 对图像进行二值化处理
    _, thresh = cv2.threshold(mask, 127, 255, 0)
    cv2.imshow("er", thresh)
    # 寻找轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 遍历所有轮廓
    for contour in contours:
        # 计算轮廓的中心点
        M = cv2.moments(contour)
        if M["m00"]:
            cX += int(M["m10"] / M["m00"])
            cY += int(M["m01"] / M["m00"])
            cY /= 2
            cX /= 2
        # 计算轮廓面积
        area += cv2.contourArea(contour)
        # 计算轮廓的近似多边形

        epsilon = 0.02 * cv2.arcLength(contour, True)
        approx = cv2.approxPolyDP(contour, epsilon, True)

        # 如果近似多边形有4个顶点，我们认为它是一个矩形
        if len(approx) == 4:
            # 画出轮廓
            cv2.drawContours(image, [approx], -1, (0, 255, 0), 2)
	#返回黄色矩形的位置和面积方便判断图像是否能够清晰
    return image, cX, cY，area