加上颜色分割和边缘检测算法

在检测像球这样的目标时，单纯依靠形状可能会误判，加上颜色分割和边缘检测可以提高精确性。以下是修改后的代码片段，加入了HSV颜色空间中的颜色选择以及Canny边缘检测：

import cv2
import numpy as np

# 加载彩色图像
color_image = cv2.imread('game_scene.jpg')

# 转换到HSV颜色空间，提取红色球体（这里假设球是红色的）
lower_red = np.array([0, 50, 50])  # 设置红色的HSV下限
upper_red = np.array([10, 255, 255])  # 设置红色的HSV上限
mask = cv2.inRange(color_image, lower_red, upper_red)  # 创建红色滤镜

# 对滤镜后的图像进行边缘检测
edges = cv2.Canny(mask, 50, 150)

# 寻找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 同样遍历轮廓并画出矩形框，现在基于边缘和颜色信息
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)

    # 检查轮廓是否接近圆形，同时考虑边缘信息
    area = cv2.contourArea(contour)
    if w / h < 1.2 and area > 1000:  # 可调整面积阈值以排除小干扰
        cv2.rectangle(color_image, (x, y), (x + w, y + h), (0, 0, 255), 2)  

# 显示原始图像和检测结果
cv2.imshow("Original", color_image)
cv2.imshow("Red Ball Detection", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()