python opencv检测目标颜色的实例讲解

实例如下所示：

# -*- coding:utf-8 -*-
__author__ = 'kingking'
__version__ = '1.0'
__date__ = '14/07/2017'
import cv2
import numpy as np
import time
if __name__ == '__main__':
 img = cv2.imread('example.png')#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([20, 20, 20])#要识别颜色的下限
  upper = np.array([30, 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

原始图像

处理之后保存的图像

以上这篇python opencv检测目标颜色的实例讲解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。