基于OpenCV实现实时颜色检测
文章目录
- 一、引言
- 二、系统概述
- 三、代码解析
- 1. 导入库
- 2. 颜色识别函数
- 3. 主程序循环
- 四、HSV色彩空间详解
- 五、颜色范围设定
- 六、系统优化建议
- 七、完整代码
- 八、总结
一、引言
今天我将介绍一个使用Python和OpenCV库实现的实时颜色识别系统。这个系统能够通过摄像头捕捉视频流，并在视频中指定区域内识别主要颜色（红、黄、绿、蓝）。这种技术在机器人视觉、自动化检测和交互式应用中有着广泛的应用前景。
二、系统概述
该系统主要包含以下几个功能：
- 实时视频捕捉
- 在视频帧中划定特定检测区域
- 将检测区域转换为HSV色彩空间
- 分析区域内的色调(H)值
- 根据H值范围判断颜色类型
- 实时显示结果
三、代码解析
1. 导入库
import cv2
我们只需要导入OpenCV库，它提供了强大的计算机视觉功能，包括图像处理和视频捕捉。
2. 颜色识别函数
def get_color(img):H = []color_name = Noneimg = cv2.resize(img,(640,400),)# 将彩色图转换为HSVHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)# 画矩形框cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)# 依次取出每行每列的H，S,V值放入容器中for i in range(280,360):for j in range(180,260): H.append(HSV[j,i][0])# 分别计算出H,S,V的最大最小H_min = min(H);H_max = max(H)# 判断颜色if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180: color_name='red'elif H_min >= 26 and H_max <= 34 : color_name='yellow'elif H_min >= 35 and H_max <= 77 : color_name='green'elif H_min >= 100 and H_max <= 124 : color_name='blue'print(color_name)return img,color_name
函数功能详解：
-
图像预处理：
- 首先将输入图像调整为固定尺寸(640×400)，确保处理一致性
-
色彩空间转换：
- 将BGR格式转换为HSV格式，HSV色彩空间更适合颜色识别
- H(色调)：表示颜色类型
- S(饱和度)：表示颜色的纯度
- V(亮度)：表示颜色的明暗程度
-
检测区域标记：
- 在图像上绘制一个绿色矩形框(280,180)到(360,260)，标识检测区域
-
数据采集：
- 遍历检测区域内每个像素点，收集所有H值
-
颜色判断：
- 计算区域内H值的最小和最大值
- 根据H值范围判断颜色：
- 红色：0-10或156-180
- 黄色：26-34
- 绿色：35-77
- 蓝色：100-124
3. 主程序循环
cap = cv2.VideoCapture(0)
while 1:_,frame=cap.read()img,cal = get_color(frame)cv2.imshow('',img)if cv2.waitKey(1) == 27:break
-
视频捕捉初始化：
- 创建VideoCapture对象，参数0表示使用默认摄像头
-
主循环：
- 不断读取视频帧
- 调用get_color函数处理每一帧
- 显示处理后的图像
- 按ESC键(ASCII 27)退出程序
四、HSV色彩空间详解
为什么选择HSV而不是RGB进行颜色识别？
-
RGB的局限性：
- RGB三个通道都与亮度相关
- 对光照变化敏感
- 颜色判断需要同时考虑三个通道
-
HSV的优势：
- 将颜色信息(H)与亮度(V)、饱和度(S)分离
- 对光照变化有一定鲁棒性
- 颜色判断主要依据H通道
五、颜色范围设定
OpenCV中HSV的范围：
- H: 0-180 (通常色彩空间为0-360，但OpenCV使用8位存储，所以除以2)
- S: 0-255
- V: 0-255
常见颜色H值范围：
- 红色：0-10和170-180
- 橙色：11-25
- 黄色：26-34
- 绿色：35-77
- 蓝色：100-124
- 紫色：125-155
可对比如下的颜色范围图
六、系统优化建议
-
增加饱和度(S)和亮度(V)的过滤：
- 可以排除低饱和度(接近灰色)或低亮度(接近黑色)的区域
-
使用均值而非极值：
- 当前使用min/max容易受噪声影响，可改为计算平均值
-
扩大检测区域：
- 当前区域较小(80×80像素)，可以适当扩大
-
添加更多颜色识别：
- 如橙色、紫色等
-
优化性能：
- 当前双重循环效率不高，可以使用NumPy进行向量化操作
七、完整代码
import cv2def get_color(img):H = []color_name = Noneimg = cv2.resize(img,(640,400),)# 将彩色图转换为HSVHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)# 画矩形框cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)# 依次取出每行每列的H，S,V值放入容器中for i in range(280,360):for j in range(180,260): H.append(HSV[j,i][0])# 分别计算出H,S,V的最大最小H_min = min(H);H_max = max(H)# 判断颜色if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180: color_name='red'elif H_min >= 26 and H_max <= 34 : color_name='yellow'elif H_min >= 35 and H_max <= 77 : color_name='green'elif H_min >= 100 and H_max <= 124 : color_name='blue'print(color_name)return img,color_namecap = cv2.VideoCapture(0)
while 1:_,frame=cap.read()img,cal = get_color(frame)cv2.imshow('',img)if cv2.waitKey(1) == 27:break
八、总结
本文介绍了一个基于OpenCV的实时颜色识别系统，通过HSV色彩空间转换和色调范围判断实现了基本颜色识别功能。该系统可以作为更复杂计算机视觉项目的基础，通过进一步优化和扩展，能够满足各种实际应用需求。
希望这篇文章能帮助你理解颜色识别的基本原理和实现方法。如果你有任何问题或改进建议，欢迎在评论区讨论！