顏色目標檢測就是根據物體的顏色快速進行目標定位。使用cv2.inRange函數設定合適的閾值，即可以選出合適的目標。
建立項目colordetect.py，代碼如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
#! /usr/bin/env python# -*- coding: utf-8 -*-import numpy as npimport cv2def colorDetect(): image = cv2.imread('./1.png') # 使用RGB顏色空間檢測紅 藍 黃 灰，設置合適的閾值 boundaries = [ ([17, 15, 100], [50, 56, 200]), ([86, 31, 4], [220, 88, 50]), ([25, 146, 190], [62, 174, 250]), ([103, 86, 65], [145, 133, 128]) ] for lower, upper in boundaries: lower = np.array(lower, dtype='uint8') upper = np.array(upper, dtype='uint8') # 低于lower和高于upper的像素為黑色，lower-upper之間的像素為白色 mask = cv2.inRange(image, lower, upper) # 利用蒙版，進行圖像的邏輯與運算 output = cv2.bitwise_and(image, image, mask=mask) cv2.imshow('image', np.hstack([image, output])) cv2.waitKey(0) cv2.destroyAllWindows()def main(): colorDetect()if __name__ == "__main__": main() |
定義RGB顏色列表：
|
1
2
3
4
5
6
|
boundaries = [ ([17, 15, 100], [50, 56, 200]), ([86, 31, 4], [220, 88, 50]), ([25, 146, 190], [62, 174, 250]), ([103, 86, 65], [145, 133, 128])] |
該部分([17, 15, 100], [50, 56, 200])，表示圖像像素R>=100, B>=15, G>=15和R<=200, B<=56, G<=50的像素將視為紅色。
執行代碼，結果如下：
總結
要檢測圖像中顏色，第一件事要做的就是定義像素值的上限和下限。不同的顏色空間具有不同上下限值，定義了上限和下限后，就可以調用cv2.inRange方法返回一個mask，將該mask與圖像進行邏輯與bitwise_and就可以得到該圖像。
參考資料
https://www.pyimagesearch.com
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/qq_36281080/article/details/103926608
