写一份c++代码，识别红色和蓝色，用圆形框画在原始图像红色区域，用矩形框画在原始图像蓝色区域

好的，以下是一份简单的C++代码，使用OpenCV库实现了红色和蓝色区域的识别，并在原始图像中用圆形框和矩形框标出：

#include <opencv2/opencv.hpp>

using namespace cv;

int main()
{
    // 读入原始图像
    Mat image = imread("image.jpg");

    // 转换颜色空间为HSV
    Mat hsv_image;
    cvtColor(image, hsv_image, COLOR_BGR2HSV);

    // 设定红色和蓝色的颜色范围
    Scalar lower_red = Scalar(0, 70, 50);
    Scalar upper_red = Scalar(10, 255, 255);
    Scalar lower_blue = Scalar(100, 70, 50);
    Scalar upper_blue = Scalar(130, 255, 255);

    // 根据颜色范围进行颜色提取
    Mat red_mask, blue_mask;
    inRange(hsv_image, lower_red, upper_red, red_mask);
    inRange(hsv_image, lower_blue, upper_blue, blue_mask);

    // 使用形态学操作去除噪声
    Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(5, 5));
    morphologyEx(red_mask, red_mask, MORPH_OPEN, kernel);
    morphologyEx(blue_mask, blue_mask, MORPH_OPEN, kernel);

    // 寻找红色和蓝色区域的轮廓
    std::vector<std::vector<Point>> red_contours, blue_contours;
    findContours(red_mask, red_contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
    findContours(blue_mask, blue_contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    // 在原始图像中标出红色和蓝色区域
    for (auto contour : red_contours)
    {
        Rect rect = boundingRect(contour);
        Point center = Point(rect.x + rect.width / 2, rect.y + rect.height / 2);
        circle(image, center, rect.width / 2, Scalar(0, 0, 255), 2);
    }
    for (auto contour : blue_contours)
    {
        Rect rect = boundingRect(contour);
        rectangle(image, rect, Scalar(255, 0, 0), 2);
    }

    // 显示结果图像
    imshow("Result", image);
    waitKey(0);

    return 0;
}

其中，我们首先读入原始图像，并将其转换到HSV颜色空间。然后，我们设定红色和蓝色的颜色范围，并根据颜色范围进行颜色提取。接着，我们使用形态学操作去除噪声，并寻找红色和蓝色区域的轮廓。最后，我们在原始图像中标出红色和蓝色区域，并展示结果图像。