【免费】2关于简单目标识别与意图分析的机器学习实战研究（颜色识别）1资源-CSDN文库

需积分: 0 10 浏览量 2022-08-08 22:54:38 上传评论收藏 581KB DOCX 举报

资源推荐

资源详情

资源评论

关于简单目标识别与意图分析的机器学习实战研究（颜色识别）

上一节我们说到要加强目标识别方法，怎么做到这点呢，我翻了翻 OpenCV 的官方文

档，发现除了模板匹配之外，颜色匹配是它的另一个目标识别方法，一般的思路是这样的：

首先使用 OpenCV 截取图像，然后将图像内 RGB 转换为 HSV 色彩空间进行判断，统计判断

HSV 和 RGB 的范围对应关系，最后输出 RGB 值

然后将目标图片进行处理，将 RGB 颜色转为 HSV；使用 cv2 中 inRange()函数过滤背景

颜色；将过滤后的颜色进行二值化处理，得到双色彩图片（其中有一种是我们目标的颜色）；

再使用 dilate()函数对双色彩图片进行形态学腐蚀膨胀；最后统计白色区域面积。

这里为什么要将 RGB 转换成 HSV 色彩空间呢？

主要是因为 HSV 色彩空间可以提高识别的准确率，较 RGB 而言更适合于目标识别这一

领域，当前很多出色的颜色识别项目，都是在这个空间下进行的识别。这里我想到了一个增

加精度的方法，在测试前对目标图片做一次高斯模糊的效果会更好一些，实验也证明确实是

这样。下面就具体举一个例子，来看看颜色识别的效果吧，一言不合就上代码：

1. #coding:utf-8

2. import cv2 as cv

3. import numpy as np

4. import collections

5. import math

6. import ctypes,sys

7.

8. def getColorList():

9. dict = collections.defaultdict(list)

10.

11. # 黑色

12. lower_black = np.array([0, 0, 0])

13. upper_black = np.array([180, 255, 46])

14. color_list = []

15. color_list.append(lower_black)

16. color_list.append(upper_black)

17. dict['black'] = color_list

18.

19. # 白色

20. lower_white = np.array([0, 0, 221])

21. upper_white = np.array([180, 30, 255])

22. color_list = []

23. color_list.append(lower_white)

24. color_list.append(upper_white)

25. dict['white'] = color_list

26.

27. #红色

28. lower_red = np.array([156, 43, 46])

29. upper_red = np.array([180, 255, 255])

30. color_list = []

31. color_list.append(lower_red)

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余6页未读，立即下载

内容反馈

坑货两只

粉丝: 65
资源: 290

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip