opencv 判断红色的hsv
时间: 2023-07-07 15:10:47 浏览: 120
opencv检测红色区域
5星 · 资源好评率100%
颜色的HSV值是由三个分量组成的:色相(Hue)、饱和度(Saturation)和亮度(Value)。在OpenCV中,Hue的取值范围是0~180,Saturation和Value的取值范围是0~255。
判断红色的HSV范围可以比较宽泛地设置为Hue在0~10和160~180的范围,同时饱和度和亮度可以设置在较高的范围,如100~255。以下是示例代码:
```python
import cv2
import numpy as np
# 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)
# 定义红色的HSV范围
lower_red = np.array([0, 100, 100])
upper_red = np.array([10, 255, 255])
lower_red2 = np.array([160, 100, 100])
upper_red2 = np.array([180, 255, 255])
# 根据颜色范围创建掩码
mask1 = cv2.inRange(hsv, lower_red, upper_red)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = cv2.bitwise_or(mask1, mask2)
# 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,我们首先定义了红色的HSV范围,然后使用两个掩码分别查找0~10和160~180范围内的红色像素,最后使用位运算将两个掩码合并。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。
阅读全文