opencv-python颜色检测实验1

在OpenCV-Python中进行颜色检测是一个常见的计算机视觉任务，它涉及到图像处理和色彩空间转换。本实验主要探讨如何使用OpenCV库来检测特定颜色，这里以蓝色为例。实验分为几个关键步骤，包括预备知识、实验代码以及实际操作。 了解预备知识： 1. `sys.argv[]` 是Python中用于接收命令行参数的数组，可以看作是一个列表。在本例中，`bgr_hsv_converter.py`脚本可能通过命令行接收颜色的BGR值，例如`blue`表示BGR值中的蓝色分量145。 2. OpenCV处理图像时，常使用HSV色彩空间，因为HSV相对于BGR（即红绿蓝）色彩空间更能直观地表达人类对颜色的感觉。`cv2.cvtColor()`函数用于进行颜色空间转换，如`cv2.COLOR_BGR2HSV`用于将BGR图像转换为HSV图像，`cv2.COLOR_BGR2GRAY`则转换为灰度图像。 3. `uint8`是OpenCV中常用的图像数据类型，用于存储0-255范围内的像素值，包括RGB和灰度图像。`np.uint8()`函数可以将数值转换为这种格式，超出255的值会被自动截断。 接下来是实验代码的解析： 1. `cv2.resize()`函数用于缩放图像，其参数为原始图像和缩放比例。在`colorDetection.py`中，图像的尺寸在x和y方向上都缩小到原来尺寸的20%。 2. `cv2.inRange(hsv, lower_range, upper_range)`是颜色过滤的关键，它会创建一个掩模，将图像中低于`lower_range`或高于`upper_range`的颜色值设为0（黑色）。介于两者之间的颜色保留原值，这里用于蓝色检测。 3. `cv2.bitwise_and()`函数执行位运算，结合原图像和由`cv2.inRange()`生成的掩模，将非目标颜色区域设为黑色，从而突出目标颜色。 在实际操作中： 1. 我们需要准备一张包含目标颜色（如上海交通大学校徽的蓝色）的图像，然后用取色工具获取RGB值，例如[5, 80, 145]。 2. 运行`bgr_hsv_converter.py`，输入BGR值，得到对应的HSV值范围，如上界114和下界94。 3. 更新`colorDetection.py`中的阈值，运行程序，非蓝色区域会被黑色覆盖。 4. 对于实时视频，如`camera_colorDetection.py`所示，需要循环处理每一帧，并可能需要调整阈值以适应不同的光照条件和环境变化。 这个实验提供了一个基础的OpenCV颜色检测框架，通过理解颜色空间转换、颜色过滤和位运算，我们可以实现对特定颜色的识别和突出显示。这在许多应用中都非常有用，比如物体追踪、自动驾驶汽车的视觉系统或者简单的娱乐项目。通过调整阈值和优化算法，可以进一步提高颜色检测的准确性和鲁棒性。