1.颜色空间转换（RGB转HSV)
为了较准确的调红色和绿色的HSV，我使用cv2.createTrackbar（）函数创建了六个滚动条
#创建HSV最低滚动条 cv2.createTrackbar(\'H_min\',\'image\',35,180,nothing) cv2.createTrackbar(\'S_min\',\'image\',43,255,nothing) cv2.createTrackbar(\'V_min\',\'image\',46,255,nothing) #创建HSV最高滚动条 cv2.createTrackbar(\'H_max\',\'image\',0,180,nothing) cv2.createTrackbar(\'S_max\',\'image\',255,255,nothing) cv2.createTrackbar(\'V_max\',\'image\',255,255,nothing)
实际效果如图
2.识别颜色并画矩形框
颜色阈值已经确定了，这就可以进行颜色识别了。
为了让识别更稳定，在代码中加入自适应阈值。
th_img = cv2.adaptiveThreshold(mask,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY_INV,5,2)
3.画矩形框
使用函数cv2.findContours（）来检测物体轮框
再使用函数cv2.boundingRect（）查找最小矩形框
使用函数cv2.rectangle（）画出
contours_green,hierarchy = cv2.findContours(th_green,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) contours_red,hierarchy = cv2.findContours(th_red,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) for red in contours_red: x_red,y_red,w_red,h_red = cv2.boundingRect(red) if w_red>width|h_red>height: cv2.rectangle(img,(x_red,y_red),((x_red+h_red),(y_red+w_red)),(0,255,0),1) for red in contours_red: x_red,y_red,w_red,h_red = cv2.boundingRect(red) if w_red>width|h_red>height: cv2.rectangle(img,(x_red,y_red),((x_red+h_red),(y_red+w_red)),(0,255,0),1)
为了凸显出颜色的差距，我使用绿色的矩形框，画红色的物体，用红色的矩形框画绿色物体
以上这篇Python–opencv实现红绿两色识别操作就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持自学编程网。
