本文共计701个文字，预计阅读时间需要3分钟。

[（）开头的准备+借助python和OpenCV通过图像相减的方法找到动态物体，然后根据像素值的平均大小判断其中的颜色。+ 首先我们使用的库有cv2，numpy，collections，time。其中导入模块的代码为：]

[](()开始前的准备

---

借助python和OpenCV通过图片相减的方法找到动态物体，然后根据像素值的大小判断其中的均值颜色。

首先我们使用的库有cv2，numpy，collections，time。其中导入模块的代码如下：

import cv2

import numpy as np

import collections

import time

下面是读取摄像头：

camera = cv2.VideoCapture(0)

做一些开始前的准备，包括循环次数，摄像头内容读入，保存上一帧的图片作为对比作差找到动态物体，然后定义框架的长和宽。

firstframe = None

a=0

ret0,frame0 = camera.read()

cv2.imwrite("1.jpg",frame0)

x, y, w, h = 10,10,100,100

下面是定义颜色的部分代码，比如定义的黑色，可以参照hsv表进行拓展,如图所示

然后可以知道黑色的最低值为0,0,0，最大值为180，255,46然后建立数组存储颜色数据，通过字典达到映射效果。

处理图片

def get_color(frame):

print('go in get_color')

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

maxsum = -100

color = None

color_dict = getColorList()

for d in color_dict:

mask = cv2.inRange(frame, color_dict[d][0], color_dict[d][1])

cv2.imwrite(d + '.jpg', mask)

binary = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY)[1]

binary = cv2.dilate(binary, None, iterations=2)

img, cnts, hiera = cv2.findContours(binary.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

sum = 0

for c in cnts:

sum += cv2.contourArea(c)

if sum > maxsum:

maxsum = sum

color = d

return color

[](()图像处理

---

紧接着是图像处理，其中包括转为灰度图，读取颜色字典，然后腐化膨胀操作。

处理图片

def get_color(frame):

print('go in get_color')

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

maxsum = -100

color = None

color_dict = getColorList()

for d in color_dict:

mask = cv2.inRange(frame, color_dict[d][0], color_dict[d][1])

cv2.imwrite(d + '.jpg', mask)

binary = cv2.threshold(mask, 127, 255, cv2.THRESH_BINARY)[1]

binary = cv2.dilate(binary, None, iterations=2)

img, cnts, hiera = cv2.findContours(binary.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

sum = 0

for c in cnts:

sum += cv2.contourArea(c)

if sum > maxsum:

maxsum = sum

color = d

return color

[](()图片相减的办法

---

然后是图片相减找到动态物体的代码，每循环5次保存一次图片，时间是很短的不用担心。然后通过absdiff函数对图片像素值作差找到动态物体，接着讲像素值相减非零的部分用矩形框圈出来。