opencv-python中 boundingRect(cnt)以及cv2.rectangle用法

转自 http://blog.youkuaiyun.com/zhangxb35/article/details/47275277

http://blog.youkuaiyun.com/hjxu2016/article/details/77833984

矩形边框(Bounding Rectangle)是说,用一个最小的矩形,把找到的形状包起来。还有一个带旋转的矩形,面积会更小,效果见下图

Bounding Rectangle

上代码

首先介绍下cv2.boundingRect(img)这个函数

这个函数很简单,img是一个二值图,也就是它的参数;

返回四个值,分别是x,y,w,h;

x,y是矩阵左上点的坐标,w,h是矩阵的宽和高

然后利用cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)画出矩行

参数解释

第一个参数:img是原图

第二个参数:(x,y)是矩阵的左上点坐标

第三个参数:(x+w,y+h)是矩阵的右下点坐标

第四个参数:(0,255,0)是画线对应的rgb颜色

第五个参数:2是所画的线的宽度

# 用绿色(0, 255, 0)来画出最小的矩形框架
x, y, w, h = cv2.boundingRect(cnt)
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 用红色表示有旋转角度的矩形框架
rect = cv2.minAreaRect(cnt)
box = cv2.cv.BoxPoints(rect)
box = np.int0(box)
cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
cv2.imwrite('contours.png', img)
<think>好的,我需要帮助用户使用OpenCV-Python实现特定颜色的检测与识别。首先,我需要回忆一下OpenCV中颜色识别的基本方法。通常,颜色识别涉及颜色空间的转换,比如从BGR转换到HSV,因为HSV颜色空间更容易通过阈值来分割颜色。用户可能需要先确定目标颜色的HSV范围,然后创建掩膜来提取该颜色区域。 接下来,步骤可能包括:读取图像、转换颜色空间、定义颜色范围、应用掩膜、找到轮廓并标记。需要注意的是,不同的光照条件会影响颜色的HSV值,所以可能需要调整阈值或使用动态方法。用户可能需要实际测试不同的HSV值来优化结果。 然后,考虑到用户可能需要具体的代码示例,我应该提供一个简单的示例流程,包括如何读取图像、转换颜色空间、创建掩膜以及绘制轮廓。同时,要提醒用户关于颜色范围的选择,可能需要使用工具如颜色选择器来获取精确的HSV值。 可能遇到的问题包括:颜色范围的选择不准确导致检测不到或误检,图像中存在噪声干扰,或者不同光照条件下的稳定性。这时候可能需要提到预处理步骤,比如高斯模糊,或者后处理如形态学操作来改善结果。 另外,用户可能需要了解如何实时检测,比如使用摄像头视频流。这可以通过循环读取视频帧并应用相同的处理步骤来实现。同时,生成的相关问题可能涉及如何优化颜色检测、处理不同光照条件,或者与其他计算机视觉任务结合使用。 需要确保回答中正确引用提供的参考资料,尽管参考资料中没有直接提到颜色检测,但可以引用OpenCV的官方教程作为一般性参考。此外,代码部分要正确使用语法,比如正确使用cv2模块的函数,注意颜色转换的代码是cv2.COLOR_BGR2HSV,掩膜的应用和位操作等。 最后,总结步骤并给出示例代码,确保用户能够按照步骤操作,并理解每个部分的作用。同时,提醒可能的注意事项和扩展应用。</think>### OpenCV-Python实现特定颜色检测与识别的方法 #### **步骤说明** 1. **颜色空间转换** 将图像从BGR格式转换为HSV格式,HSV颜色空间更适合颜色分割。HSV的三个分量分别表示色调(Hue)、饱和度(Saturation)和明度(Value)[^1]。 转换代码:`hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)` 2. **定义目标颜色的HSV范围** 根据目标颜色在HSV空间中的分布,设定上下阈值。例如检测蓝色时,范围可设为: ```python lower_blue = np.array([100, 50, 50]) upper_blue = np.array([130, 255, 255]) ``` 3. **创建颜色掩膜** 通过阈值生成二值掩膜,白色区域表示符合颜色范围的部分: ```python mask = cv2.inRange(hsv, lower_blue, upper_blue) ``` 4. **提取目标区域** 将原图与掩膜按位与操作,保留目标颜色区域: ```python res = cv2.bitwise_and(image, image, mask=mask) ``` 5. **轮廓检测与标注** 检测掩膜中的连通区域,并标注边框: ```python contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) ``` #### **完整代码示例** ```python import cv2 import numpy as np # 读取图像 image = cv2.imread("test.jpg") # 转换到HSV空间 hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 定义蓝色的HSV范围(需根据实际调整) lower_blue = np.array([100, 50, 50]) upper_blue = np.array([130, 255, 255]) # 生成掩膜并提取区域 mask = cv2.inRange(hsv, lower_blue, upper_blue) res = cv2.bitwise_and(image, image, mask=mask) # 检测轮廓并标注 contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) # 显示结果 cv2.imshow("Result", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### **关键注意事项** - **HSV范围调整**:可通过工具(如OpenCV的`cv2.setMouseCallback()`)实时获取颜色的HSV值[^2]。 - **光照影响**:光照变化会改变颜色的HSV值,建议在稳定光源下操作或加入自适应阈值。 - **去噪处理**:使用高斯模糊(`cv2.GaussianBlur`)或形态学操作(腐蚀、膨胀)减少噪声干扰。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值