基于python opencv识别图形，打印出其形状和颜色

要识别图像中的形状和颜色，你可以使用Python和OpenCV来进行处理。下面是一个示例代码，演示了如何识别图像中的形状和颜色，并打印出它们：

import cv2
import numpy as np

def get_shape(cnt):
    # 计算轮廓的周长
    perimeter = cv2.arcLength(cnt, True)
    
    # 使用近似多边形方法将轮廓形状近似为多边形
    approx = cv2.approxPolyDP(cnt, 0.04 * perimeter, True)
    
    # 根据多边形的边数来确定形状
    if len(approx) == 3:
        shape = "Triangle"
    elif len(approx) == 4:
        shape = "Rectangle"
    elif len(approx) == 5:
        shape = "Pentagon"
    else:
        shape = "Circle"
    
    return shape

def get_color(hsv_image, cnt):
    # 计算轮廓的掩模
    mask = np.zeros(hsv_image.shape[:2], dtype=np.uint8)
    cv2.drawContours(mask, [cnt], -1, (255), thickness=cv2.FILLED)
    
    # 计算掩模中的平均颜色
    mean_color = cv2.mean(hsv_image, mask=mask)[:3]
    
    # 根据颜色范围确定颜色
    if mean_color[0] > 90 and mean_color[0] < 130:  # 蓝色范围
        color = "Blue"
    elif mean_color[0] > 0 and mean_color[0] < 30:  # 红色范围
        color = "Red"
    elif mean_color[0] > 30 and mean_color[0] < 90:  # 绿色范围
        color = "Green"
    else:
        color = "Other"
    
    return color

# 读取图像
image = cv2.imread('image.jpg')

# 将图像从BGR转换为HSV颜色空间
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 将图像转换为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用Canny边缘检测算法检测边缘
edges = cv2.Canny(gray_image, 50, 150)

# 找到图像中的轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 对每个轮廓进行处理
for cnt in contours:
    # 忽略过小的轮廓
    if cv2.contourArea(cnt) < 100:
        continue
    
    # 获取形状和颜色
    shape = get_shape(cnt)
    color = get_color(hsv_image, cnt)
    
    # 在原始图像上绘制形状和颜色信息
    cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)
    cv2.putText(image, shape, (cnt[0][0][0], cnt[0][0][1] - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
    cv2.putText(image, color, (cnt[0][0][0], cnt[0][0][1] + 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 显示结果图像
cv2.imshow('Shape and Color Detection', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先将图像从BGR颜色空间转换为HSV颜色空间，并将其转换为灰度图像。然后，我们使用Canny边缘检测算法找到图像中的边缘。接下来，我们找到图像中的轮廓，并对每个轮廓进行处理。通过计算轮廓的形状和颜色，我们可以确定物体的形状和颜色。最后，我们在原始图像上绘制出识别到的形状和颜色，并显示结果图像。

请注意，这只是一个基本的示例代码，你可以根据实际情况进行调整和改进。