如何用Python OpenCV实现基于颜色的目标检测示例代码？
- 内容介绍
- 相关推荐
本文共计522个文字，预计阅读时间需要3分钟。
python颜色目标检测就是根据物体颜色快速进行目标定位。利用cv2.inRange函数设定合适的阈值，即可选出合适的颜色目标。
创建项目colorDetect.py，代码如下：pythonimport cv2
def detect_color_target(image, lower_bound, upper_bound): mask=cv2.inRange(image, lower_bound, upper_bound) result=cv2.bitwise_and(image, image, mask=mask) return result
读取图像image=cv2.imread('path_to_image.jpg')
设定颜色阈值lower_bound=(0, 100, 100) # 示例：红色upper_bound=(10, 255, 255)
检测颜色目标color_target=detect_color_target(image, lower_bound, upper_bound)
显示结果cv2.imshow('Color Target', color_target)cv2.waitKey(0)cv2.destroyAllWindows()
颜色目标检测就是根据物体的颜色快速进行目标定位。使用cv2.inRange函数设定合适的阈值，即可以选出合适的目标。
建立项目colordetect.py，代码如下：
#! /usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import cv2 def colorDetect(): image = cv2.imread('./1.png') # 使用RGB颜色空间检测红 蓝 黄 灰，设置合适的阈值 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的像素为黑色，lower-upper之间的像素为白色 mask = cv2.inRange(image, lower, upper) # 利用蒙版，进行图像的逻辑与运算 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()
定义RGB颜色列表：
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]) ]
该部分([17, 15, 100], [50, 56, 200])，表示图像像素R>=100, B>=15, G>=15和R<=200, B<=56, G<=50的像素将视为红色。
执行代码，结果如下：
总结
要检测图像中颜色，第一件事要做的就是定义像素值的上限和下限。不同的颜色空间具有不同上下限值，定义了上限和下限后，就可以调用cv2.inRange方法返回一个mask，将该mask与图像进行逻辑与bitwise_and就可以得到该图像。
参考资料
www.pyimagesearch.com
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。
本文共计522个文字，预计阅读时间需要3分钟。
python颜色目标检测就是根据物体颜色快速进行目标定位。利用cv2.inRange函数设定合适的阈值，即可选出合适的颜色目标。
创建项目colorDetect.py，代码如下：pythonimport cv2
def detect_color_target(image, lower_bound, upper_bound): mask=cv2.inRange(image, lower_bound, upper_bound) result=cv2.bitwise_and(image, image, mask=mask) return result
读取图像image=cv2.imread('path_to_image.jpg')
设定颜色阈值lower_bound=(0, 100, 100) # 示例：红色upper_bound=(10, 255, 255)
检测颜色目标color_target=detect_color_target(image, lower_bound, upper_bound)
显示结果cv2.imshow('Color Target', color_target)cv2.waitKey(0)cv2.destroyAllWindows()
颜色目标检测就是根据物体的颜色快速进行目标定位。使用cv2.inRange函数设定合适的阈值，即可以选出合适的目标。
建立项目colordetect.py，代码如下：
#! /usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import cv2 def colorDetect(): image = cv2.imread('./1.png') # 使用RGB颜色空间检测红 蓝 黄 灰，设置合适的阈值 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的像素为黑色，lower-upper之间的像素为白色 mask = cv2.inRange(image, lower, upper) # 利用蒙版，进行图像的逻辑与运算 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()
定义RGB颜色列表：
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]) ]
该部分([17, 15, 100], [50, 56, 200])，表示图像像素R>=100, B>=15, G>=15和R<=200, B<=56, G<=50的像素将视为红色。
执行代码，结果如下：
总结
要检测图像中颜色，第一件事要做的就是定义像素值的上限和下限。不同的颜色空间具有不同上下限值，定义了上限和下限后，就可以调用cv2.inRange方法返回一个mask，将该mask与图像进行逻辑与bitwise_and就可以得到该图像。
参考资料
www.pyimagesearch.com
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。