python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Opencv识别图片颜色绘制轮廓

Opencv识别图片颜色并绘制轮廓实现代码示例

作者:加德霍克

这篇文章主要给大家介绍了关于Opencv识别图片颜色并绘制轮廓实现的相关资料,实验代码和现象展示了如何从原始图像中识别和突出显示特定颜色区域,并通过图像处理技术增强识别效果,需要的朋友可以参考下

一、实验原理

1、颜色空间转换:

Opencv识别图片颜色的逻辑

OpenCV 的默认颜色空间为 BGR(蓝、绿、红),但识别特定颜色更适合在 HSV(色调、饱和度、亮度)颜色空间中进行。
HSV 优势:能够更方便地描述颜色范围,用于筛选特定颜色区域。

2、颜色范围过滤:

不同颜色的HSV值

利用 cv2.inRange 函数,通过设定的颜色范围,将指定颜色区域提取为二值掩膜。

3、图像处理:

①滤波:

通过中值滤波去除噪点,平滑图像。滤波是应用卷积来实现的,卷积的关键就是卷积核,下图为卷积核滤波原理:

②形态学变换:

通过开运算(先腐蚀后膨胀)进一步消除小噪声和孤立点。

4、轮廓提取和绘制:

cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)

二、实验代码

import cv2
import numpy as np

# 1. 输入图片并调整大小
img = cv2.imread("./color_1.png")
if img is None:
    print("无法加载图片,请检查路径!")
    exit()
img = cv2.resize(img, (0, 0), fx=0.7, fy=0.7)

# 2. 转换 HSV 颜色空间
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 3. 定义颜色范围并生成二值掩膜
yellow_min = np.array([26, 43, 46])  # 黄色下界
yellow_max = np.array([34, 255, 255])  # 黄色上界
img_mask = cv2.inRange(img_hsv, yellow_min, yellow_max)

# 4. 中值滤波去噪
img_blur = cv2.medianBlur(img_mask, 7)

# 5. 形态学变换 - 开运算
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
img_open = cv2.morphologyEx(img_blur, cv2.MORPH_OPEN, kernel)

# 6. 轮廓提取
contours, _ = cv2.findContours(img_open, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 7. 遍历轮廓并绘制
img_result = img.copy()
for contour in contours:
    area = cv2.contourArea(contour)
    if area < 200 or area > 200000:  # 根据面积过滤无效轮廓
        continue
    cv2.drawContours(img_result, [contour], -1, (0, 0, 255), 2)  # 绘制轮廓

# 8. 显示结果
cv2.imshow("Original Image", img)
cv2.imshow("Filtered Contours", img_result)

cv2.waitKey(0)
cv2.destroyAllWindows()

三、实验现象

1、原始图像:

显示未处理的原始图片,包含多个颜色区域。

2、颜色掩膜:

二值图像仅显示识别出的黄色区域,其余部分为黑色背景。

3、滤波和平滑:

4、轮廓绘制:

总结 

到此这篇关于Opencv识别图片颜色并绘制轮廓实现的文章就介绍到这了,更多相关Opencv识别图片颜色绘制轮廓内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文