使用 OpenCV 在Python中检测相似颜色的对象

OpenCV是一个流行的计算机视觉和图像处理库，可用于在Python中执行各种任务，包括颜色检测。

安装OpenCV

在开始编写颜色检测代码之前，请确保您已经安装了OpenCV。在Python中使用OpenCV需要使用以下命令安装：

pip install opencv-python

检测相似颜色的对象

在本例中，我们将使用Python和OpenCV来检测相似颜色的对象。在这个示例中，我们将尝试检测下面图片中所有蓝色物体：

我们将首先读取图像，然后将其转换为HSV颜色空间。HSV颜色空间非常适合颜色检测，因为它将颜色表示为颜色的明度，饱和度和色相。

import cv2

# 读取图像
img = cv2.imread('blue_objects.png')

# 将图像转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

接下来，我们需要定义蓝色的范围。我们要检测蓝色，我们必须定义最小和最大的蓝色。我们可以使用以下代码来定义蓝色范围：

# 定义蓝色范围
lower_blue = np.array([110, 50, 50])
upper_blue = np.array([130, 255, 255])

然后，我们将获取蓝色范围内的所有像素：

# 获取蓝色范围内的所有像素
mask = cv2.inRange(hsv, lower_blue, upper_blue)

在获得蓝色范围内的所有像素后，我们将应用一些形态学操作来去除图像中的噪声点和孤立的像素。

# 定义核大小
kernel = np.ones((5,5),np.uint8)

# 闭形态学操作
closing = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

最后，我们将应用物体检测算法来检测图像中的蓝色物体，我们将使用OpenCV的连通组件标记算法来做到这一点：

# 中值滤波
median = cv2.medianBlur(closing, 15)

# 连通组件标记算法
ret, labels = cv2.connectedComponents(median)

# 标记结果转换为uint8类型
labels = np.uint8(labels)

# 去掉背景区域
background = labels == 0

# 所有不是背景的区域
objects = labels != 0

# 设定颜色
colors = np.zeros_like(labels, dtype=np.uint8)
colors[objects] = cv2.cvtColor(np.uint8([[[255, 0, 0]]]), cv2.COLOR_BGR2HSV)

# Using cv2.bitwise_and
blue_objects = cv2.bitwise_and(img, img, mask=background.astype(np.uint8))

# 显示结果图像
cv2.imshow('blue objects', blue_objects)
cv2.waitKey(0)
cv2.destroyAllWindows()

这将显示下面的结果图像，蓝色物体被检测出来：

总结

我们已经学习了如何使用Python和OpenCV来检测图像中的相似颜色对象。您可以使用此技术来处理各种视觉应用，例如自动驾驶汽车，工业机器人等。