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
晓数28 分钟前
“平价”微智码初尝试
人工智能·jetbrains
新加坡内哥谈技术28 分钟前
MCP:人工智能时代的HTTP?探索AI通信新标准
人工智能·自然语言处理·chatgpt
0x2113 小时前
[论文阅读]REPLUG: Retrieval-Augmented Black-Box Language Models
论文阅读·人工智能·语言模型
JOYCE_Leo164 小时前
一文详解卷积神经网络中的卷积层和池化层原理 !!
人工智能·深度学习·cnn·卷积神经网络
~央千澈~5 小时前
对鸿蒙 Next 系统“成熟论”的深度剖析-优雅草卓伊凡
人工智能
Donvink5 小时前
【视频生成模型】通义万相Wan2.1模型本地部署和LoRA微调
人工智能·深度学习·aigc·音视频
訾博ZiBo5 小时前
AI日报 - 2025年04月29日
人工智能
爱喝奶茶的企鹅5 小时前
Ethan独立开发产品日报 | 2025-04-27
人工智能·程序员·开源
极小狐5 小时前
如何对极狐GitLab 议题进行过滤和排序?
人工智能·git·机器学习·gitlab