opencv识别图中坐标的颜色

要使用OpenCV识别图像中的颜色，您需要使用以下步骤：

1. 加载图像：使用OpenCV加载图像文件。

2. 颜色空间转换：将图像从BGR颜色空间转换为HSV颜色空间。这是因为HSV颜色空间更容易处理颜色信息。

3. 阈值化：使用阈值化技术将图像二值化，只保留指定颜色范围内的像素。这可以通过设置低和高HSV值来完成。

4. 轮廓检测：使用轮廓检测技术来检测二值化图像中的对象。这将返回所有对象的轮廓，包括它们的坐标和形状。

5. 绘制矩形：使用OpenCV的绘图功能，根据检测到的对象的坐标，在原始图像中绘制矩形。

下面是一个使用OpenCV识别图像中红色物体的简单示例代码：

import cv2

# Load image
img = cv2.imread('image.jpg')

# Convert BGR to HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Define range of red color in HSV
lower_red = np.array([0,50,50])
upper_red = np.array([10,255,255])

# Threshold the HSV image to get only red colors
mask = cv2.inRange(hsv, lower_red, upper_red)

# Find contours in the binary image
contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# Draw rectangle around each contour
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

# Show the final image
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们使用了一个简单的阈值化技术，只保留了像素的HSV值在给定范围内的像素。然后，我们使用findContours函数找到了所有轮廓，使用boundingRect函数为每个轮廓绘制了矩形。最后，我们显示原始图像和检测到的对象的矩形。