Opencv识别图片颜色并绘制轮廓

最新推荐文章于 2025-02-20 20:40:06 发布

Luzem0319

最新推荐文章于 2025-02-20 20:40:06 发布

阅读量582

点赞数 1

CC 4.0 BY-SA版权

文章标签： opencv 人工智能计算机视觉

本文链接：https://blog.csdn.net/Luzem0319/article/details/144434828

实验原理

在计算机视觉中，颜色识别是一项基础而重要的任务。通过颜色识别，我们可以从图像中提取出特定颜色的区域，进而对这些区域进行分析、处理或标记。本实验利用OpenCV库，通过转换颜色空间、设定颜色范围、滤波、形态学变换以及寻找轮廓等步骤，实现了对图像中特定颜色（本例为黄色）的识别，并在识别到的区域上绘制轮廓。

颜色空间转换：首先，将图像从BGR颜色空间转换到HSV颜色空间。HSV颜色空间更符合人类对颜色的感知，且更容易进行颜色范围的划分。
颜色范围设定与筛选：在HSV颜色空间中，设定要识别的颜色的HSV范围，并利用cv2.inRange函数筛选出该颜色范围内的像素。
滤波与形态学变换：为了去除噪声和不必要的细节，对筛选出的颜色区域进行中值滤波。接着，进行形态学开运算（先腐蚀后膨胀），以进一步去除小物体、分离物体、平滑较大物体的边界。
寻找轮廓：利用cv2.findContours函数在滤波和形态学变换后的图像中寻找轮廓。
轮廓绘制：遍历所有找到的轮廓，根据轮廓的面积筛选出符合条件的轮廓，并在原图像的副本上绘制这些轮廓。

实验代码

import cv2
import numpy as np

# 1、输入图片
img = cv2.imread("./color_1.png")
img = cv2.resize(img, (0, 0), fx=0.7, fy=0.7)

# 2、转换HSV颜色空间
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 3、设定要识别的颜色范围，并利用inRange找到该