一.颜色捕捉

import cv2

import numpy as np

if name == 'main':

Img = cv2.imread('./da_pic.jpg')#读入一幅图像

kernel_2 = np.ones((2,2),np.uint8)#2x2 的卷积核

kernel_3 = np.ones((3,3),np.uint8)#3x3 的卷积核

kernel_4 = np.ones((4,4),np.uint8)#4x4 的卷积核

if Img is not None:#判断图片是否读入

HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)#把 BGR 图像转换为 HSV 格式

'''

HSV 模型中颜色的参数分别是：色调( H )，饱和度( S )，明度( V )

下面两个值是要识别的颜色范围

'''

Lower = np.array([0, 43, 46])#要识别颜色的下限

Upper = np.array([10, 255, 255])#要识别的颜色的上限

#mask 是把 HSV 图片中在颜色范围内的区域变成白色，其他区域变成黑色

mask = cv2.inRange(HSV, Lower, Upper)

#下面四行是用卷积进行滤波

erosion = cv2.erode(mask,kernel_4,iterations = 1)

erosion = cv2.erode(erosion,kernel_4,iterations = 1)

dilation = cv2.dilate(erosion,kernel_4,iterations = 1)

dilation = cv2.dilate(dilation,kernel_4,iterations = 1)

#target 是把原图中的非目标颜色区域去掉剩下的图像

target = cv2.bitwise_and(Img, Img, mask=dilation)

#将滤波后的图像变成二值图像放在 binary 中

ret, binary = cv2.threshold(dilation,127,255,cv2.THRESH_BINARY)

#在 binary 中发现轮廓，轮廓按照面积从小到大排列

contours, hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

p=0

for i in contours:#遍历所有的轮廓

x,y,w,h = cv2.boundingRect(i)#将轮廓分解为识别对象的左上角坐标和宽、高

#在图像上画上矩形(图片、左上角坐标、右下角坐标、颜色、线条宽度)

cv2.rectangle(Img,(x,y),(x+w,y+h),(0,255,),3)

#给识别对象写上标号

font=cv2.FONT_HERSHEY_SIMPLEX

cv2.putText(Img,str(p),(x-10,y+10), font, 1,(0,0,255),2)#加减 10 是调整字符位置

p +=1

print '黄色方块的数量是',p,'个'#终端输出目标数量

cv2.imshow('target', target)

cv2.imshow('Mask', mask)

cv2.imshow("prod", dilation)

cv2.imshow('Img', Img)

cv2.imwrite('Img.png', Img)#将画上矩形的图形保存到当前目录

while True:

Key = chr(cv2.waitKey(15) & 255)

if Key == 'q':

cv2.destroyAllWindows()

break