基于OpenCV实现实时颜色检测-EW帮帮网

文章目录

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 = None
    img = cv2.resize(img,(640,400),)
    # 将彩色图转换为HSV
    HSV = 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
在这里插入图片描述

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 cv2

def get_color(img):
    H = []
    color_name = None
    img = cv2.resize(img,(640,400),)
    # 将彩色图转换为HSV
    HSV = 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

cap = 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！

基于OpenCV实现实时颜色检测