色块追踪装置opencv代码

色块追踪是一种基于颜色识别的目标跟踪方法，它可以通过摄像头采集图像，实时识别出图像中指定颜色的物体，并对其进行跟踪。下面是一个简单的 OpenCV 代码示例，可以实现色块追踪：

import cv2

# 定义目标颜色范围
lower_color = (0, 100, 100)
upper_color = (20, 255, 255)

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头采集的图像
    ret, frame = cap.read()

    # 转换颜色空间，从 BGR 转换到 HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # 根据目标颜色范围提取图像中的目标区域
    mask = cv2.inRange(hsv, lower_color, upper_color)

    # 对目标区域进行形态学操作，去除噪声
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

    # 查找目标区域的轮廓
    contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 如果有轮廓，则找到最大的轮廓作为目标区域
    if len(contours) > 0:
        target_contour = max(contours, key=cv2.contourArea)
        x, y, w, h = cv2.boundingRect(target_contour)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 显示原始图像和处理后的图像
    cv2.imshow('frame', frame)
    cv2.imshow('mask', mask)

    # 按下 q 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 关闭摄像头和窗口
cap.release()
cv2.destroyAllWindows()

以上代码中，`lower_color` 和 `upper_color` 分别表示目标颜色的范围，可以根据实际情况进行修改。在循环中，每次从摄像头中读取一帧图像，然后将其转换到 HSV 颜色空间，并使用 `cv2.inRange()` 函数根据目标颜色范围提取目标区域。接着使用形态学操作去除噪声，然后使用 `cv2.findContours()` 函数查找目标区域的轮廓，找到最大的轮廓作为目标区域，并用矩形框框出来。最后将原始图像和处理后的图像显示出来。