Opencv之识别图片颜色并绘制轮廓

一、实验原理

1、颜色空间转换:

Opencv识别图片颜色的逻辑

OpenCV 的默认颜色空间为 BGR(蓝、绿、红),但识别特定颜色更适合在 HSV(色调、饱和度、亮度)颜色空间中进行。

HSV 优势:能够更方便地描述颜色范围,用于筛选特定颜色区域。

2、颜色范围过滤:

不同颜色的HSV值

利用 cv2.inRange 函数,通过设定的颜色范围,将指定颜色区域提取为二值掩膜。

3、图像处理:

①滤波:

通过中值滤波去除噪点,平滑图像。滤波是应用卷积来实现的,卷积的关键就是卷积核,下图为卷积核滤波原理:

②形态学变换:

通过开运算(先腐蚀后膨胀)进一步消除小噪声和孤立点。

4、轮廓提取和绘制:

  • 利用 cv2.findContours 提取二值图像的轮廓。
  • 根据轮廓面积进行过滤,保留符合条件的目标区域。
  • 使用 cv2.drawContours 在原图上绘制轮廓。

cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)

二、实验代码

python 复制代码
import cv2
import numpy as np

# 1. 输入图片并调整大小
img = cv2.imread("./color_1.png")
if img is None:
    print("无法加载图片,请检查路径!")
    exit()
img = cv2.resize(img, (0, 0), fx=0.7, fy=0.7)

# 2. 转换 HSV 颜色空间
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 3. 定义颜色范围并生成二值掩膜
yellow_min = np.array([26, 43, 46])  # 黄色下界
yellow_max = np.array([34, 255, 255])  # 黄色上界
img_mask = cv2.inRange(img_hsv, yellow_min, yellow_max)

# 4. 中值滤波去噪
img_blur = cv2.medianBlur(img_mask, 7)

# 5. 形态学变换 - 开运算
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
img_open = cv2.morphologyEx(img_blur, cv2.MORPH_OPEN, kernel)

# 6. 轮廓提取
contours, _ = cv2.findContours(img_open, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 7. 遍历轮廓并绘制
img_result = img.copy()
for contour in contours:
    area = cv2.contourArea(contour)
    if area < 200 or area > 200000:  # 根据面积过滤无效轮廓
        continue
    cv2.drawContours(img_result, [contour], -1, (0, 0, 255), 2)  # 绘制轮廓

# 8. 显示结果
cv2.imshow("Original Image", img)
cv2.imshow("Filtered Contours", img_result)

cv2.waitKey(0)
cv2.destroyAllWindows()

三、实验现象

1、原始图像:

显示未处理的原始图片,包含多个颜色区域。

2、颜色掩膜:

二值图像仅显示识别出的黄色区域,其余部分为黑色背景。

3、滤波和平滑:

  • 滤波后噪点减少,目标区域更加连续。
  • 开运算消除了孤立的噪声点,保留了主要的目标区域。

4、轮廓绘制:

  • 符合面积条件的轮廓被成功绘制,轮廓线为红色。
  • 无效的小轮廓被过滤,不影响结果的清晰度。
相关推荐
万岳软件开发小城7 分钟前
AI数字人系统源码+AI数字人小程序开发:2025年热门AI项目
人工智能·开源·软件开发·app开发·ai数字人小程序·ai数字人系统源码
Larry_Yanan13 分钟前
QML学习笔记(四十三)QML与C++交互:上下文属性暴露
c++·笔记·qt·学习·ui·交互
励志成为美貌才华为一体的女子13 分钟前
pdf解析工具---Miner-u 本地部署记录
学习·pdf
xiangzhihong815 分钟前
Spring Boot集成SSE实现AI对话的流式响应
人工智能·spring boot
羊羊小栈17 分钟前
基于知识图谱(Neo4j)和大语言模型(LLM)的图检索增强(GraphRAG)的台风灾害知识问答系统(vue+flask+AI算法)
人工智能·毕业设计·知识图谱·创业创新·neo4j·毕设·大作业
FserSuN18 分钟前
GraphRAG 与 Neo4j 社区版:能力边界与适用场景学习总结
学习·neo4j
+wacyltd大模型备案算法备案21 分钟前
【大模型备案】全国有439个大模型通过生成式人工智能大模型备案!
人工智能
学不会就看27 分钟前
PyTorch 张量学习
人工智能·pytorch·学习
兰文彬27 分钟前
Pytorch环境安装指南与建议
人工智能·pytorch·python
CareyWYR41 分钟前
每周AI论文速递(251013-251017)
人工智能