[具身智能-238]：openCV颜色识别的原理与代码示例？

OpenCV 进行颜色识别的核心原理是将图像从BGR 颜色空间转换到 HSV 颜色空间然后通过设定阈值来分割出特定的颜色。这种方法比直接在 BGR 空间操作更稳定、更直观因为它将颜色信息色调和亮度信息明度分离开来大大降低了光照变化对识别结果的影响。 核心原理为什么是 HSV在 OpenCV 中图像默认以 BGR (蓝-绿-红) 格式读取。然而BGR 模型将颜色和亮度信息耦合在一起当光线变暗或变亮时同一个物体的 BGR 值会发生巨大变化导致识别困难。HSV 颜色空间则更符合人类的视觉感知它将颜色分解为三个独立的维度H (Hue, 色调):颜色的种类如红色、绿色、蓝色。在 OpenCV 中取值范围是0-180。S (Saturation, 饱和度):颜色的纯度或鲜艳程度。值越高颜色越纯值越低颜色越接近灰色。取值范围是0-255。V (Value, 明度):颜色的明亮程度。值越高颜色越亮值越低颜色越暗。取值范围是0-255。识别流程可以概括为BGR 图像→转换→HSV 图像→设定阈值→生成掩膜(Mask)→提取目标 关键步骤与函数颜色空间转换 (cv2.cvtColor)将图像从 BGR 转换到 HSV以便分离颜色信息。hsv cv2.cvtColor(image, cv2.COLOR_BGR2HSV)定义颜色范围为想要识别的颜色定义一个 HSV 值的上下限。例如识别红色需要定义两个范围因为红色在 HSV 色环的两端0° 和 360°。创建掩膜 (cv2.inRange)这是核心步骤。该函数会检查 HSV 图像中的每个像素如果其值在设定的上下限之间则在掩膜的对应位置设为白色255否则设为黑色0。这样就得到了一个只包含目标颜色的黑白图像。mask cv2.inRange(hsv, lower_bound, upper_bound)图像处理 (可选)使用形态学操作如膨胀cv2.dilate和腐蚀cv2.erode来去除掩膜中的噪点或填充空洞使目标区域更完整。提取与可视化使用cv2.bitwise_and函数将原始图像与掩膜进行“按位与”运算从而只保留掩膜中白色区域对应的原始颜色。也可以查找轮廓cv2.findContours来定位和框选目标。 代码示例识别视频中的多种颜色下面是一个完整的 Python 示例它调用摄像头实时识别并框选出画面中的红色、蓝色和绿色物体。pythonimport cv2 import numpy as np # 打开默认摄像头 cap cv2.VideoCapture(0) while True: # 读取一帧图像 ret, frame cap.read() if not ret: break # 1. 转换到 HSV 颜色空间 hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 2. 定义要识别的颜色范围 (HSV) # 红色在 HSV 色环的两端需要定义两个范围 lower_red1 np.array([0, 120, 70]) upper_red1 np.array([10, 255, 255]) lower_red2 np.array([170, 120, 70]) upper_red2 np.array([180, 255, 255]) # 蓝色和绿色各一个范围 lower_blue np.array([100, 150, 0]) upper_blue np.array([140, 255, 255]) lower_green np.array([40, 50, 50]) upper_green np.array([80, 255, 255]) # 3. 为每种颜色创建掩膜 mask_red1 cv2.inRange(hsv, lower_red1, upper_red1) mask_red2 cv2.inRange(hsv, lower_red2, upper_red2) # 合并两个红色的掩膜 mask_red cv2.bitwise_or(mask_red1, mask_red2) mask_blue cv2.inRange(hsv, lower_blue, upper_blue) mask_green cv2.inRange(hsv, lower_green, upper_green) # 4. 定义一个函数来查找轮廓并绘制 def detect_and_draw(mask, color_name, color_bgr): # 查找轮廓 contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: # 过滤掉面积过小的轮廓噪点 if cv2.contourArea(contour) 500: # 获取边界矩形 x, y, w, h cv2.boundingRect(contour) # 在原图上绘制矩形框和标签 cv2.rectangle(frame, (x, y), (x w, y h), color_bgr, 2) cv2.putText(frame, color_name, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color_bgr, 2) # 5. 对每种颜色应用检测 detect_and_draw(mask_red, RED, (0, 0, 255)) # BGR: 红色 detect_and_draw(mask_blue, BLUE, (255, 0, 0)) # BGR: 蓝色 detect_and_draw(mask_green, GREEN, (0, 255, 0)) # BGR: 绿色 # 6. 显示结果 cv2.imshow(Color Detection, frame) # 按 q 键退出 if cv2.waitKey(1) ord(q): break # 释放资源 cap.release() cv2.destroyAllWindows() 常用颜色 HSV 范围参考下表提供了一些常见颜色的 HSV 范围参考值你可以根据实际环境的光照情况进行微调。表格颜色H (色调) 范围S (饱和度) 范围V (明度) 范围红色0-10 或 170-180120-25570-255绿色40-8050-25550-255蓝色100-140150-2550-255黄色26-3450-25550-255