opencv实战--颜色识别

一、实验原理

本实验通过掩膜,边缘识别来找到我们寻找的颜色所在区域,最后通过对图像边缘绘制标记出我们要找到颜色。为了确保掩膜的完好,我们将使用均值滤波,腐蚀,饱和等手段对掩膜进行处理。

二、实验代码

python 复制代码
import cv2
import numpy as np


# 1 输入图片
img = cv2.imread('./color_1.png')
img = cv2.resize(img,dsize=None,fx=0.5,fy=0.5)
# 2 需要识别颜色 转换1hsv颜色空间
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 3 设定要识别的颜色

hsv_min=np.array([26,43,46],dtype=np.uint8)
hsv_max=np.array([34,255,255],dtype=np.uint8)
hsv_y = cv2.inRange(img_hsv,hsv_min,hsv_max)

# 4 进行滤波
img_blur = cv2.GaussianBlur(hsv_y,(3,3),150)
# img_blur = cv2.medianBlur(hsv_y,7)
# 5 先腐蚀,在膨胀

ke = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
img_erode = cv2.erode(img_blur,ke)
img_dilate = cv2.dilate(img_erode,ke)

# 6 寻找轮廓
c,h = cv2.findContours(img_dilate,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

img_copy = img.copy()

# 7 遍历所有轮廓,通过面积筛选想要的轮廓


# 绘制轮廓
for cnt in c:
    if cv2.contourArea(cnt) < 2 or cv2.contourArea(cnt)>20000:
        continue
    else:
        img_copy = cv2.drawContours(img_copy,[cnt], -1, (255, 0, 0), 1)



# 输出图像
cv2.imshow('img',img)
cv2.imshow('img_h',img_copy)
cv2.waitKey(0)

三,成果展示

原图像

识别出的图像

相关推荐
搞笑的秀儿1 小时前
信息新技术
大数据·人工智能·物联网·云计算·区块链
阿里云大数据AI技术1 小时前
OpenSearch 视频 RAG 实践
数据库·人工智能·llm
XMAIPC_Robot1 小时前
基于ARM+FPGA的光栅尺精密位移加速度测试解决方案
arm开发·人工智能·fpga开发·自动化·边缘计算
加油吧zkf2 小时前
YOLO目标检测数据集类别:分类与应用
人工智能·计算机视觉·目标跟踪
Blossom.1182 小时前
机器学习在智能制造业中的应用:质量检测与设备故障预测
人工智能·深度学习·神经网络·机器学习·机器人·tensorflow·sklearn
天天扭码2 小时前
AI时代,前端如何处理大模型返回的多模态数据?
前端·人工智能·面试
难受啊马飞2.02 小时前
如何判断 AI 将优先自动化哪些任务?
运维·人工智能·ai·语言模型·程序员·大模型·大模型学习
顺丰同城前端技术团队2 小时前
掌握未来:构建专属领域的大模型与私有知识库——从部署到微调的全面指南
人工智能·deepseek
许泽宇的技术分享2 小时前
用.NET9+Blazor+Semantic Kernel,打造企业级AI知识库和智能体平台——AntSK深度解读
人工智能
烟锁池塘柳03 小时前
【深度学习】强化学习(Reinforcement Learning, RL)主流架构解析
人工智能·深度学习·机器学习