使用Python和OpenCV库实现实时颜色识别系统_Python

一、引言

今天我将介绍一个使用python和opencv库实现的实时颜色识别系统。这个系统能够通过摄像头捕捉视频流，并在视频中指定区域内识别主要颜色（红、黄、绿、蓝）。这种技术在机器人视觉、自动化检测和交互式应用中有着广泛的应用前景。

二、系统概述

该系统主要包含以下几个功能：

实时视频捕捉
在视频帧中划定特定检测区域
将检测区域转换为hsv色彩空间
分析区域内的色调(h)值
根据h值范围判断颜色类型
实时显示结果

三、代码解析

1. 导入库

import cv2

我们只需要导入opencv库，它提供了强大的计算机视觉功能，包括图像处理和视频捕捉。

2. 颜色识别函数

def get_color(img):
    h = []
    color_name = none
    img = cv2.resize(img,(640,400),)
    # 将彩色图转换为hsv
    hsv = cv2.cvtcolor(img,cv2.color_bgr2hsv)
    # 画矩形框
    cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)
    # 依次取出每行每列的h，s,v值放入容器中
    for i in range(280,360):
        for j in range(180,260): h.append(hsv[j,i][0])
    # 分别计算出h,s,v的最大最小
    h_min = min(h);h_max = max(h)
    # 判断颜色
    if h_min >= 0 and h_max <= 10 or h_min >= 156 and h_max <= 180: color_name='red'
    elif  h_min >= 26 and h_max <= 34 : color_name='yellow'
    elif  h_min >= 35 and h_max <= 77 : color_name='green'
    elif  h_min >= 100 and h_max <= 124 : color_name='blue'
    print(color_name)
    return  img,color_name

函数功能详解：

图像预处理：

首先将输入图像调整为固定尺寸(640×400)，确保处理一致性

色彩空间转换：

将bgr格式转换为hsv格式，hsv色彩空间更适合颜色识别
h(色调)：表示颜色类型
s(饱和度)：表示颜色的纯度
v(亮度)：表示颜色的明暗程度

检测区域标记：

在图像上绘制一个绿色矩形框(280,180)到(360,260)，标识检测区域

数据采集：

遍历检测区域内每个像素点，收集所有h值

颜色判断：

计算区域内h值的最小和最大值
根据h值范围判断颜色：
- 红色：0-10或156-180
- 黄色：26-34
- 绿色：35-77
- 蓝色：100-124

3. 主程序循环

cap = cv2.videocapture(0)
while 1:
    _,frame=cap.read()
    img,cal = get_color(frame)
    cv2.imshow('',img)
    if cv2.waitkey(1) == 27:
        break

视频捕捉初始化：

创建videocapture对象，参数0表示使用默认摄像头

主循环：

不断读取视频帧
调用get_color函数处理每一帧
显示处理后的图像
按esc键(ascii 27)退出程序

四、hsv色彩空间详解

为什么选择hsv而不是rgb进行颜色识别？

rgb的局限性：

rgb三个通道都与亮度相关
对光照变化敏感
颜色判断需要同时考虑三个通道

hsv的优势：

将颜色信息(h)与亮度(v)、饱和度(s)分离
对光照变化有一定鲁棒性
颜色判断主要依据h通道

五、颜色范围设定

opencv中hsv的范围：

h: 0-180 (通常色彩空间为0-360，但opencv使用8位存储，所以除以2)
s: 0-255
v: 0-255

常见颜色h值范围：

红色：0-10和170-180
橙色：11-25
黄色：26-34
绿色：35-77
蓝色：100-124
紫色：125-155

可对比如下的颜色范围图

六、系统优化建议

增加饱和度(s)和亮度(v)的过滤：

可以排除低饱和度(接近灰色)或低亮度(接近黑色)的区域

使用均值而非极值：

当前使用min/max容易受噪声影响，可改为计算平均值

扩大检测区域：

当前区域较小(80×80像素)，可以适当扩大

添加更多颜色识别：

如橙色、紫色等

优化性能：

当前双重循环效率不高，可以使用numpy进行向量化操作

七、完整代码

import cv2

def get_color(img):
    h = []
    color_name = none
    img = cv2.resize(img,(640,400),)
    # 将彩色图转换为hsv
    hsv = cv2.cvtcolor(img,cv2.color_bgr2hsv)
    # 画矩形框
    cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)
    # 依次取出每行每列的h，s,v值放入容器中
    for i in range(280,360):
        for j in range(180,260): h.append(hsv[j,i][0])
    # 分别计算出h,s,v的最大最小
    h_min = min(h);h_max = max(h)
    # 判断颜色
    if h_min >= 0 and h_max <= 10 or h_min >= 156 and h_max <= 180: color_name='red'
    elif  h_min >= 26 and h_max <= 34 : color_name='yellow'
    elif  h_min >= 35 and h_max <= 77 : color_name='green'
    elif  h_min >= 100 and h_max <= 124 : color_name='blue'
    print(color_name)
    return  img,color_name

cap = cv2.videocapture(0)
while 1:
    _,frame=cap.read()
    img,cal = get_color(frame)
    cv2.imshow('',img)
    if cv2.waitkey(1) == 27:
        break