怎么在python中使用opencv檢測目標顏色

今天就跟大家聊聊有關怎么在python中使用opencv檢測目標顏色，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據(jù)這篇文章可以有所收獲。

python可以做什么

Python是一種編程語言，內置了許多有效的工具，Python幾乎無所不能，該語言通俗易懂、容易入門、功能強大，在許多領域中都有廣泛的應用，例如最熱門的大數(shù)據(jù)分析，人工智能，Web開發(fā)等。

實例如下所示：

# -*- coding:utf-8 -*-
import cv2
import numpy as np
import time
if __name__ == '__main__':
 Img = cv2.imread('example.png')#讀入一幅圖像
 kernel_2 = np.ones((2,2),np.uint8)#2x2的卷積核
 kernel_3 = np.ones((3,3),np.uint8)#3x3的卷積核
 kernel_4 = np.ones((4,4),np.uint8)#4x4的卷積核
 if Img is not None:#判斷圖片是否讀入
  HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)#把BGR圖像轉換為HSV格式
  '''
  HSV模型中顏色的參數(shù)分別是：色調（H），飽和度（S），明度（V）
  下面兩個值是要識別的顏色范圍
  '''
  Lower = np.array([20, 20, 20])#要識別顏色的下限
  Upper = np.array([30, 255, 255])#要識別的顏色的上限
  #mask是把HSV圖片中在顏色范圍內的區(qū)域變成白色，其他區(qū)域變成黑色
  mask = cv2.inRange(HSV, Lower, Upper)
  #下面四行是用卷積進行濾波
  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是把原圖中的非目標顏色區(qū)域去掉剩下的圖像
  target = cv2.bitwise_and(Img, Img, mask=dilation)
  #將濾波后的圖像變成二值圖像放在binary中
  ret, binary = cv2.threshold(dilation,127,255,cv2.THRESH_BINARY) 
  #在binary中發(fā)現(xiàn)輪廓，輪廓按照面積從小到大排列
  contours, hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) 
  p=0
  for i in contours:#遍歷所有的輪廓
   x,y,w,h = cv2.boundingRect(i)#將輪廓分解為識別對象的左上角坐標和寬、高
   #在圖像上畫上矩形（圖片、左上角坐標、右下角坐標、顏色、線條寬度）
   cv2.rectangle(Img,(x,y),(x+w,y+h),(0,255,),3)
   #給識別對象寫上標號
   font=cv2.FONT_HERSHEY_SIMPLEX
   cv2.putText(Img,str(p),(x-10,y+10), font, 1,(0,0,255),2)#加減10是調整字符位置
   p +=1
  print '黃色方塊的數(shù)量是',p,'個'#終端輸出目標數(shù)量
  cv2.imshow('target', target)
  cv2.imshow('Mask', mask)
  cv2.imshow("prod", dilation)
  cv2.imshow('Img', Img)
  cv2.imwrite('Img.png', Img)#將畫上矩形的圖形保存到當前目錄  
 while True:
  Key = chr(cv2.waitKey(15) & 255)
  if Key == 'q':
   cv2.destroyAllWindows()
   break

看完上述內容，你們對怎么在python中使用opencv檢測目標顏色有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業(yè)資訊頻道，感謝大家的支持。