Opncv 实现拍照、颜色识别和阈值选取

文章目录

拍照
颜色识别
- 尝试的时候一些笔记（忽略就好）
获取HSV阈值
鼠标点击，获取图片中点击点坐标

拍照

要先在此 .py 目录下创建picture文件夹

# created by chw 2022/3
# s 保存，q退出import cv2cap = cv2.VideoCapture(0)
flag = cap.isOpened()
cv2.namedWindow("Capture",cv2.WINDOW_AUTOSIZE)if __name__ == '__main__':index = 1while flag:ret, frame = cap.read()if ret:cv2.imshow("Capture", frame)key = cv2.waitKey(1) & 0xffif key == ord('s'):print(index)cv2.imwrite("./picture/" + str(index) + ".jpg", frame)index += 1elif key == ord('q'):breakcap.release()cv2.destroyAllWindows()

颜色识别

import cv2
import numpy as npball_color = 'green'color_dist = {'red': {'Lower': np.array([0, 60, 60]), 'Upper': np.array([6, 255, 255])},'blue': {'Lower': np.array([100, 80, 46]), 'Upper': np.array([124, 255, 255])},'green': {'Lower': np.array([35, 43, 35]), 'Upper': np.array([90, 255, 255])},
}cap = cv2.VideoCapture(0)
cv2.namedWindow('camera', cv2.WINDOW_AUTOSIZE)while cap.isOpened():ret, frame = cap.read()if ret:if frame is not None:gs_frame = cv2.GaussianBlur(frame, (5, 5), 0)  # 高斯模糊hsv = cv2.cvtColor(gs_frame, cv2.COLOR_BGR2HSV)  # 转化成 HSV 图像kernel = np.ones((5, 5), np.uint8)erode_hsv = cv2.erode(hsv, kernel, iterations=2)inRange_hsv = cv2.inRange(erode_hsv, color_dist[ball_color]['Lower'], color_dist[ball_color]['Upper'])cnts = cv2.findContours(inRange_hsv.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]if cnts:c = max(cnts, key=cv2.contourArea)"""cv2.minAreaRect()返回一个Box2D结构rect（最小外接矩形的中心（x, y），（宽度，高度）， 旋转角度））分别对应于返回值（rect[0][0],rect[0][1]),(rect[1][0],rect[1][1]),rect[2]"""rect = cv2.minAreaRect(c)"""cv2.boxPoints()可获取该矩形的四个顶点坐标,浮点型"""box = cv2.boxPoints(rect)# 获取四个顶点坐标rect = np.zeros((4, 2), dtype="float32")# 按顺序找到对应坐标0123 分别是左上、右上、右下、左下# 计算左上和右下s = box.sum(axis=1)rect[0] = box[np.argmin(s)]rect[2] = box[np.argmax(s)]# 计算右上和左下diff = np.diff(box, axis=1)rect[1] = box[np.argmin(diff)]rect[3] = box[np.argmax(diff)]cv2.drawContours(frame, [np.int0(box)], -1, (0, 255, 255), 2)cv2.imshow('camera', frame)cv2.waitKey(1)else:print("无画面")else:print("无法读取摄像头！")cap.release()
cv2.waitKey(0)
cv2.destroyAllWindows()

尝试的时候一些笔记（忽略就好）

numpy.where()的用法
一:
np.where(condition, x, y)
满足条件（condition），输出x，不满足输出y
二：
np.where(condition)
只有条件（condition），没有x和y，则输出满足条件（即非0）元素的坐标

Python中列表和数组读取一列的方法

获取HSV阈值

上面颜色识别的时候，需要知道被识别物体的HSV阈值。
当然你可以上网找，不过最适合当前环境的，当然是手动滑出来一个。

先用拍照中介绍的代码，将所要识别的物体拍照保存下来。再用cv2.imread()读取图片，拉取获得HSV阈值。

# 确定hsv颜色的最佳阈值
import cv2
import numpy as npdef nothing(x):pass# 创建一个窗口图片
cv2.namedWindow('image')# 对颜色变化创建轨迹兰
cv2.createTrackbar('HMin', 'image', 0, 179, nothing)  # Hue is from 0-179 for Opencv
cv2.createTrackbar('SMin', 'image', 0, 255, nothing)
cv2.createTrackbar('VMin', 'image', 0, 255, nothing)
cv2.createTrackbar('HMax', 'image', 0, 179, nothing)
cv2.createTrackbar('SMax', 'image', 0, 255, nothing)
cv2.createTrackbar('VMax', 'image', 0, 255, nothing)# 设置默认HSV空间的最大值
cv2.setTrackbarPos('HMax', 'image', 179)
cv2.setTrackbarPos('SMax', 'image', 255)
cv2.setTrackbarPos('VMax', 'image', 255)# 初始化HSV空间最大、最小值
hMin = sMin = vMin = hMax = sMax = vMax = 0
phMin = psMin = pvMin = phMax = psMax = pvMax = 0img = cv2.imread('./picture/1.jpg')
output = img
waitTime = 33while 1:# 获取轨迹栏的当前位置hMin = cv2.getTrackbarPos('HMin', 'image')sMin = cv2.getTrackbarPos('SMin', 'image')vMin = cv2.getTrackbarPos('VMin', 'image')hMax = cv2.getTrackbarPos('HMax', 'image')sMax = cv2.getTrackbarPos('SMax', 'image')vMax = cv2.getTrackbarPos('VMax', 'image')# 设置显示的HSV最大最小值lower = np.array([hMin, sMin, vMin])upper = np.array([hMax, sMax, vMax])# 创建HSV图像，并根据最低、最高阈值进行阈值化hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)mask = cv2.inRange(hsv, lower, upper)output = cv2.bitwise_and(img, img, mask=mask)# 展示是否HSV值有变化if (phMin != hMin) | (psMin != sMin) | (pvMin != vMin) | (phMax != hMax) | (psMax != sMax) | (pvMax != vMax):print("(hMin = %d , sMin = %d, vMin = %d), (hMax = %d , sMax = %d, vMax = %d)" % (hMin, sMin, vMin, hMax, sMax, vMax))phMin = hMinpsMin = sMinpvMin = vMinphMax = hMaxpsMax = sMaxpvMax = vMax# 展示输出图像cv2.imshow('image', output)# 等待33毫秒或者按下q键退出循环if cv2.waitKey(waitTime) & 0xFF == ord('q'):breakcv2.destroyAllWindows()

鼠标点击，获取图片中点击点坐标

还是先要将图片拍照保存，再用cv2.imread()函数读取。

import cv2img = cv2.imread('./picture/1.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)def mouse_click(event, x, y, flags, para):if event == cv2.EVENT_LBUTTONDOWN:  # 左边鼠标点击print('PIX:', x, y)print("BGR:", img[y, x])print("GRAY:", gray[y, x])print("HSV:", hsv[y, x])if __name__ == '__main__':cv2.namedWindow("img")cv2.setMouseCallback("img", mouse_click)while True:cv2.imshow('img', img)if cv2.waitKey() == ord('q'):breakcv2.destroyAllWindows()

Opncv 实现拍照、颜色识别和阈值选取相关推荐

颜色识别opencv+trackbar调节目标颜色hsv的阈值
颜色识别opencv+trackbar调节目标颜色hsv的阈值颜色识别,trackbar调节颜色阈值 #include <iostream> #include "opencv2 ...
基于openMV的颜色识别
基于openMV的颜色识别 openMV简介 OpenMV是一个可编程的摄像头,通过Python语言可实现你想要的逻辑.而且摄像头本身也内置了一些图像处理的算法,使用起来也更加的方便,仅需要写一些简单 ...
Halcon——颜色识别提取
文章目录前言一.颜色识别原理二.颜色识别为什么将其转换至HSV颜色空间三.源代码写在最后前言 [Halcon]颜色识别提取这里以嘉庚建筑风格为例~ 一.颜色识别原理载入图像后,将其转换 ...
android opencv颜色识别,opencv学习（2）-简单颜色识别并跟踪
本次来我们用opencv来实现识别跟踪蓝色物体并返回位置坐标的功能. 该功能分为两部分,识别颜色,跟踪颜色. 要想实现颜色的识别,我们要打开摄像头,读取捕获的图像.将图像的颜色通道转化为HSV,设置选 ...
树莓派摄像头运用python颜色识别
运用摄像头拍照 import cv2 import osoutput_dir ='/home/pi/Desktop/py' i = 1 cap = cv2.VideoCapture(0) while ...
[OpenCV]颜色识别
颜色识别作为电赛中图像处理方面最常用的算法,应用非常广泛. 处理的流程:预处理 ->滤波-> 二值化 -> (膨胀-> )腐蚀 -> 寻找轮廓一.预处理将 ...
OpenCV形状颜色识别Java,Android
纯java代码实现安卓的CV识别图形形状颜色半年前开的帖,一直在忙回来更新下. cv环境已经没有了,图就用以前的吧,代码我贴出来,凭记忆解释一下,算法实现的,我会说明逻辑首先,环境是OpenCV ...
【OpenMv】颜色识别
一.颜色识别 # 色块监测例子 # # 这个例子展示了如何通过find_blobs()函数来查找图像中的色块 # 这个例子查找的颜色是深绿色import sensor, image, time# 颜 ...
python打开是什么颜色-python实现简单颜色识别程序
本文实例为大家分享了python实现简单颜色识别程序的具体代码,供大家参考,具体内容如下 import numpy as np import cv2 font= cv2.FONT_HERSHEY_SI ...