实例如下所示：
我要评论
# -*- 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移动技术网。
如对本文有疑问， 点击进行留言回复！！
【状压dp】[HDU1400 & poj2411] Mondriaan‘s Dream
网友评论