python opencv 颜色识别 参考代码

以下是基于Python和OpenCV的简单颜色识别代码示例：

import cv2
import numpy as np

# 定义要识别的颜色范围
lower_color = np.array([0, 100, 100])
upper_color = np.array([20, 255, 255])

# 初始化摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头中的图像
    ret, frame = cap.read()

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

    # 根据颜色范围创建掩码
    mask = cv2.inRange(hsv, lower_color, upper_color)

    # 对掩码进行腐蚀和膨胀操作，以去除噪声
    mask = cv2.erode(mask, None, iterations=2)
    mask = cv2.dilate(mask, None, iterations=2)

    # 查找掩码中的轮廓
    _, contours, _ = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 如果有轮廓存在，就进行处理
    if len(contours) > 0:
        # 找到面积最大的轮廓
        c = max(contours, key=cv2.contourArea)

        # 计算轮廓的最小外接圆
        ((x, y), radius) = cv2.minEnclosingCircle(c)

        # 计算轮廓的矩形边界框
        rect = cv2.minAreaRect(c)
        box = np.int0(cv2.boxPoints(rect))

        # 在图像中绘制轮廓和边界框
        cv2.drawContours(frame, [box], -1, (0, 255, 0), 2)
        cv2.drawContours(frame, [c], -1, (0, 255, 255), 2)

        # 显示识别结果
        cv2.imshow("Color Detection", frame)

    # 等待按键操作
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()

在这个示例中，我们首先定义了要识别的颜色范围，然后初始化摄像头并开始读取图像。接下来，我们将图像从BGR颜色空间转换为HSV颜色空间，并创建一个掩码来标记符合颜色范围的像素。我们通过对掩码进行腐蚀和膨胀操作来去除噪声，然后在掩码中查找轮廓。如果有轮廓存在，我们就找到面积最大的轮廓，并计算它的最小外接圆和矩形边界框。最后，我们在图像中绘制轮廓和边界框，并显示识别结果。

你可以根据自己的需求调整颜色范围和其他参数来优化识别效果。