基于人工智能平台的opencv图片操作之摄像头色域跟踪

最新推荐文章于 2025-05-07 15:41:37 发布

原创最新推荐文章于 2025-05-07 15:41:37 发布 · 476 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #opencv #计算机视觉

人工智能平台专栏收录该内容

14 篇文章

订阅专栏

1 实验目的

了解HSV色域和识别颜色，跟踪颜色。

2 实验设备

安装了python和pychrm的电脑一台。

3 实验内容

包含图片的导入、色域检测、识别颜色、跟踪颜色、显示图片。

4 实验原理

其实摄像头的色域跟踪也是和图像是一样的，只不过多了while循环，不断获取摄像头的每一帧进行掩模提取颜色。前面已经学会了如何打开摄像头，那做这个实验一个很容易。

色域检测重要的一步是把图像转为HSV图像，由于HSV的颜色空间比BGR空间更容易表示特定的颜色，故我们将BGR空间转换成HSV，一般以HSV为颜色检测和识别：H--色调（红-绿-蓝）；S--饱和度（颜色深浅）；V-亮度（颜色亮暗）。

首先我们要获取某个颜色就要设定一个范围的阈值，二值化处理能够将我们需要的颜色置0，其他颜色置为255，才能筛选出目标颜色的掩模图像。选择正确的阈值是阈值分割的关键。

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，然后设置HSV的阀值到指定的颜色范围。使用inRange函数将图像转变为二值图，其中黄色部分显示为白色，其余为黑色，然后获取到指定颜色范围的物体，第一步是大体分离出主体部分，满足条件的颜色区域会被标记为白色（255）其余为黑色（0）。

在inRange二值化处理后我们要进行腐蚀膨胀操作消除其他干扰，erode函数实现腐蚀操作，dilate函数实现膨胀操作，先腐蚀后膨胀可以去掉小的对象，假设对象是前景色，背景是黑色。

bitwise_and函数实现对目标提取，这是一个‘与’操作，用二值化后的掩模图像进行与操作，找出阈值范围内的颜色区域，找到了颜色区域我们就要找出轮廓将其画制出来。利用Rectangle函数绘制轮廓。

5 实验步骤

打开pycharm。

我们右击相应的文件目录，选择new--->点击Python File，然后输入新建的文件名，点击确定，相应的.py文件就建好了，可以进行编写代码了。

VideoCaptur打开摄像头

ipoert cv2
capture = cv2.VideoCapture(0)

获取摄像头的每一帧。

while True:
    ret,frame = capture.read()

将每一帧转成HSV图像。

hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)

设置阈值。

lower_hsv = np.array([35,43,45])
upper_hsv = np.array([77,255,255])#范围(绿色)

二值化，将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0）。

mask = cv2.inRange(hsv, lower_hsv, upper_hsv)

够造卷积核。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))

腐蚀膨胀操作。

##腐蚀操作
erosion = cv2.erode(mask, kernel, iterations=1)
##膨胀操作
dilate = cv2.dilate(erosion, kernel, iterations=1)

与操作提取特定颜色。

dst = cv2.bitwise_and(frame,frame,mask=dilate)

显示图像。

cv2.imshow('video',frame)
cv2.imshow('mask',mask)
cv2.imshow('dst',dst)
c = cv2.waitKey(40)
if c ==27:
    break

原图和效果图：