利用opencv识别红绿蓝色块的代码

时间: 2023-10-23 14:09:54 浏览: 40
以下是一个简单的利用 OpenCV 实现颜色块检测的代码: ```python import cv2 import numpy as np # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取视频帧 ret, frame = cap.read() # 转换为 HSV 颜色空间 hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 设定颜色阈值 lower_red = np.array([0, 50, 50]) upper_red = np.array([10, 255, 255]) lower_green = np.array([50, 50, 50]) upper_green = np.array([70, 255, 255]) lower_blue = np.array([110, 50, 50]) upper_blue = np.array([130, 255, 255]) # 利用颜色阈值进行掩膜操作,提取颜色块 mask_red = cv2.inRange(hsv, lower_red, upper_red) mask_green = cv2.inRange(hsv, lower_green, upper_green) mask_blue = cv2.inRange(hsv, lower_blue, upper_blue) # 对掩膜进行形态学操作,填充空洞 kernel = np.ones((5, 5), np.uint8) mask_red = cv2.morphologyEx(mask_red, cv2.MORPH_CLOSE, kernel) mask_green = cv2.morphologyEx(mask_green, cv2.MORPH_CLOSE, kernel) mask_blue = cv2.morphologyEx(mask_blue, cv2.MORPH_CLOSE, kernel) # 查找轮廓 contours_red, _ = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours_green, _ = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours_blue, _ = cv2.findContours(mask_blue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 绘制轮廓 cv2.drawContours(frame, contours_red, -1, (0, 0, 255), 2) cv2.drawContours(frame, contours_green, -1, (0, 255, 0), 2) cv2.drawContours(frame, contours_blue, -1, (255, 0, 0), 2) # 显示结果 cv2.imshow('frame', frame) # 按下 q 键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 这段代码利用了 OpenCV 的颜色阈值、掩膜、形态学操作和轮廓查找等功能,可以实现对红、绿、蓝色块的识别和绘制。

相关推荐

最新推荐

recommend-type

OpenCV识别图像上的线条轨迹

主要为大家详细介绍了OpenCV识别图像上的线条轨迹,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

利用C#版OpenCV实现圆心求取实例代码

主要给大家介绍了关于如何利用C#版OpenCV实现圆心求取的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面来一起学习学习吧
recommend-type

基于Opencv实现颜色识别

主要为大家详细介绍了基于Opencv实现颜色识别,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

Python 使用Opencv实现目标检测与识别的示例代码

主要介绍了Python 使用Opencv实现目标检测与识别的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

基于树莓派opencv的人脸识别.pdf

2. 了解opencv,配置人脸识别相关环境 3. 收集人脸信息 4. 训练收集到的人脸信息 5. 将要分析的面部的捕获部分作为参数,并返回其可能的所有者,指示其ID以及识别器对此匹配的信任程度实现人脸的识别。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB柱状图在信号处理中的应用:可视化信号特征和频谱分析

![matlab画柱状图](https://img-blog.csdnimg.cn/3f32348f1c9c4481a6f5931993732f97.png) # 1. MATLAB柱状图概述** MATLAB柱状图是一种图形化工具,用于可视化数据中不同类别或组的分布情况。它通过绘制垂直条形来表示每个类别或组中的数据值。柱状图在信号处理中广泛用于可视化信号特征和进行频谱分析。 柱状图的优点在于其简单易懂,能够直观地展示数据分布。在信号处理中,柱状图可以帮助工程师识别信号中的模式、趋势和异常情况,从而为信号分析和处理提供有价值的见解。 # 2. 柱状图在信号处理中的应用 柱状图在信号处理
recommend-type

用Spring boot和vue写一个登录注册界面

好的,这是一个比较常见的技术问题,我可以为您提供一些参考资料和思路。首先,您可以使用Spring Boot作为后端框架来处理用户认证和注册的逻辑,比如使用Spring Security实现用户登录认证。同时,您还需要设计相应的数据模型和数据库表结构来存储用户信息。在前端方面,您可以使用Vue.js作为框架来构建登录注册页面,使用Axios来发起API请求并和后端进行交互。当然,在实现过程中,还需要考虑一些具体细节,比如数据校验、安全性和用户体验等方面。希望这些信息能够帮助到您。
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。