opencv判断图片纯色 opencv判断颜色

opencv对多种颜色小球的形状及位置判断

文章目录

• 前言
• 一、opencv是什么？
• 二、使用步骤

• 1.引入库
• 2.设置颜色阈值
• 3.对图片进行加载和处理
• 4.处理图片的函数
• 5.获取颜色空间函数
• 6.运行效果
• 7.完整代码

• 总结

---

前言

在这段时间参加了一个竞赛，写下了这个代码，但是总感觉有一些地方是不完善的，希望有大神可以指导指导呀！这是一个关于使用opencv库判断颜色小球形状及位置的功能实现，其中也参考了一些前辈的代码，第一次写博客希望前辈能多多指教呀，同时也希望能对迷茫中的小伙帮有所帮助。## 标题

---

一、opencv是什么？

OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库.

二、使用步骤

1.引入库

代码如下：

import cv2
import numpy as np

2.设置颜色阈值

代码如下：

#颜色阈值
low_red = np.array([100, 100, 60])
up_red = np.array([180, 255, 255])
low_green = np.array([35, 43, 46])
up_green = np.array([77, 255, 255])
low_blue = np.array([90, 110, 110])
up_blue = np.array([124, 255, 255])
#记录形状
xz = {}

字典xz是待会记录形状用的

3.对图片进行加载和处理

代码如下：

if __name__ == '__main__':
    image = cv2.imread('img_1.png')#读取图像
    image = cv2.resize(image, (500, 500))#重新裁剪图像
    #image = cv2.GaussianBlur(image, (11, 11), 0)#高斯滤波
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    color_read(hsv, image)#处理图片的函数
    cv2.imshow('image', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

---

4.处理图片的函数

代码如下：

def color_read(hsv, image):
    global xz
    blue = get_image(hsv, low_blue, up_blue)#使用获取颜色空间的函数进行颜色获取三种颜色
    red = get_image(hsv, low_red, up_red)
    green = get_image(hsv, low_green, up_green)
    mask = blue + red + green
    #寻找图像的轮廓
    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
    print('cnts:', len(cnts))
    ##先判断形状再画轮廓
    for cnt in cnts:
        area = cv2.contourArea(cnt)#计算轮廓的面积
        print('area:', area)
        if area > 1000:
            epsilon = 0.04 * cv2.arcLength(cnt, True)#计算轮廓长度
            approx = cv2.approxPolyDP(cnt, epsilon, True)#计算轮廓角点
            corners = len(approx)
            print(corners)
            #根据角点的个数判断形状
            if corners == 3:
                a = '三角形'
                b = approx[0][0][0]  # 根据三角形的角点判断位置
                xz[a] = b
                area, trgl = cv2.minEnclosingTriangle(cnt)#寻找三角形的轮廓
                # 绘制三角形轮廓
                for i in range(0, 3):
                    cv2.line(image, tuple(trgl[i][0]), tuple(trgl[(i + 1) % 3][0]), (0, 255, 0), 2)
            elif corners == 4:
                a = '矩形'
                b = approx[0][0][0]
                xz[a] = b
                x, y, w, h = cv2.boundingRect(cnt)#寻找矩形轮廓
                cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)#绘制矩形轮廓
                
            else:
            	#圆形这里是处理的不好的地方所以我没有用变量x1和z，因为画出来的轮廓有点大
                a = '圆'
                b = approx[0][0][0]
                xz[a] = b
                ((x1, y1), z) = cv2.minEnclosingCircle(cnt)#寻找圆形轮廓
                x1 = int(x1)
                y1 = int(y1)
                z = int(z)
                cv2.circle(image, (150, y1), 60, (0, 255, 0), 2)#绘制圆形轮廓

5.获取颜色空间函数

代码如下：

#获取图像hsv的方法
def get_image(hsv, low, up):
    mask = cv2.inRange(hsv, low, up)#获取色彩空间
    mask = cv2.erode(mask, None, 2)#腐蚀操作
    mask = cv2.dilate(mask, None, 2)#膨胀操作
    return mask

6.运行效果

图片之前拍的不是很好所以我截成了小图，图片拍的是几何图所以效果不太好，如果是平面的可能会好一点，图二是打印字典xz的输出。

7.完整代码

#获取图像hsv的方法
import cv2
import numpy as np
#颜色阈值
low_red = np.array([100, 100, 60])
up_red = np.array([180, 255, 255])
low_green = np.array([35, 43, 46])
up_green = np.array([77, 255, 255])
low_blue = np.array([90, 110, 110])
up_blue = np.array([124, 255, 255])
#记录形状
xz = {}

#获取图像hsv的方法
def get_image(hsv, low, up):
    mask = cv2.inRange(hsv, low, up)#获取色彩空间
    mask = cv2.erode(mask, None, 2)#腐蚀操作
    mask = cv2.dilate(mask, None, 2)#膨胀操作
    return mask

#获取轮廓
def color_read(hsv, image):
    global xz
    blue = get_image(hsv, low_blue, up_blue)#使用获取颜色空间的函数进行颜色获取三种颜色
    red = get_image(hsv, low_red, up_red)
    green = get_image(hsv, low_green, up_green)
    mask = blue + red + green
    #寻找图像的轮廓
    cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
    print('cnts:', len(cnts))
    ##先判断形状再画轮廓
    for cnt in cnts:
        area = cv2.contourArea(cnt)#计算轮廓的面积
        print('area:', area)
        if area > 1000:
            epsilon = 0.04 * cv2.arcLength(cnt, True)#计算轮廓长度
            approx = cv2.approxPolyDP(cnt, epsilon, True)#计算轮廓角点
            corners = len(approx)
            print(corners)
            #根据角点的个数判断形状
            if corners == 3:
                a = '三角形'
                b = approx[0][0][0]  # 根据三角形的角点判断位置
                xz[a] = b
                area, trgl = cv2.minEnclosingTriangle(cnt)#寻找三角形的轮廓
                # 绘制三角形轮廓
                for i in range(0, 3):
                    cv2.line(image, tuple(trgl[i][0]), tuple(trgl[(i + 1) % 3][0]), (0, 255, 0), 2)
            elif corners == 4:
                a = '矩形'
                b = approx[0][0][0]
                xz[a] = b
                x, y, w, h = cv2.boundingRect(cnt)#寻找矩形轮廓
                cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)#绘制矩形轮廓

            else:
                a = '圆'
                b = approx[0][0][0]
                xz[a] = b
                ((x1, y1), z) = cv2.minEnclosingCircle(cnt)#寻找圆形轮廓
                x1 = int(x1)
                y1 = int(y1)
                z = int(z)
                cv2.circle(image, (150, y1), 60, (0, 255, 0), 2)#绘制圆形轮廓



if __name__ == '__main__':
    image = cv2.imread('img_1.png')#读取图像
    image = cv2.resize(image, (500, 500))#重新裁剪图像
    #image = cv2.GaussianBlur(image, (11, 11), 0)#高斯滤波
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    color_read(hsv, image)#处理图片的函数
    cv2.imshow('image', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    #对拿到的小球字典位置数据进行处理
    xz[min(xz, key=xz.get)] = 1
    xz[max(xz, key=xz.get)] = 3
    xz[max(xz, key=xz.get)] = 2
    xz = sorted(xz.items(), key=lambda x: x[1], reverse=False)
    xz = dict(xz)

    print(xz)

总结

这是这个代码的详细和功能介绍，可能有好多地方是写得不好，大家多多指教呀！

参考文章：
分辨检测圆形，三角形，矩形的思路opencv 官方文档