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
柏峰电子3 分钟前
市政道路积水监测系统:守护城市雨天出行安全的 “智慧防线”
大数据·人工智能·安全
蓑雨春归4 分钟前
自主智能Agent如何重塑工作流自动化:技术、经济与未来展望
人工智能·chatgpt·自动化
哈密瓜Q4 分钟前
计算机视觉-图像基础处理
人工智能·计算机视觉
虹科数字化与AR1 小时前
安宝特案例丨户外通信机房施工革新:AR+作业流技术破解行业难题
人工智能·ar·工业ar·机房建设·户外通讯机房·户外作业·工程建造
TaoSense2 小时前
AI应用:电路板设计
人工智能
karlso2 小时前
深度学习:简介与任务分类总览
人工智能·深度学习·分类
CodeShare3 小时前
RATE:基于LLM的检索增强生成技术提取管道
人工智能·信息检索·大型语言模型
汀、人工智能3 小时前
AI Compass前沿速览:可灵创意工坊、字节Coze Studio&Coze Loop、通义万相2.2 、智谱GLM-4.5、腾讯混元3D世界模型开源
人工智能·大模型
go54631584653 小时前
基于LSTM和GRU的上海空气质量预测研究
图像处理·人工智能·深度学习·神经网络·算法·gru·lstm
AKAMAI3 小时前
借助Early Hints和HarperDB改善网页性能
人工智能