Python OpenCV颜色检测：BGR转HSV与摄像头实验

在本篇关于OpenCV-Python颜色检测实验的文章中，主要介绍了使用Python进行颜色检测的基本原理和技术。首先，预备知识部分着重讲解了以下几个关键点： 1. **sys.argv[]参数传递**：sys.argv[]在Python中是一个从程序外部获取参数的方法，它类似于一个列表，允许用户在命令行中指定参数。例如，在`bgr_hsv_converter.py`中，通过命令行传入的蓝色值（145）被作为参数处理。 2. **色彩空间转换**：OpenCV中，图像颜色处理常用HSV（色调-饱和度-亮度）格式，而原始的BGR（蓝色-绿色-红色）图像可以通过cv2.cvtColor函数转换，比如cv2.COLOR_BGR2HSV，以便于颜色分析。 3. **数据类型uint8**：OpenCV中的图像数据通常存储为uint8格式，这是一种8位无符号整数，范围从0到255，np.uint8()函数用于将数值转换成这种格式，确保不会溢出。 在实验代码部分，有以下两个主要脚本： - **colorDetection.py**：这个脚本可能包含了图像缩放功能，例如通过cv2.resize将图像尺寸调整为原来的一半，便于后续颜色检测。 - **camera_colorDetection.py**：针对摄像头捕获的视频，通过循环处理每一帧，使用cv2.bitwise_and进行位运算，仅保留特定颜色的部分，其余部分变为黑色。 实验步骤具体操作如下： 1. **选择和准备图像**：选择一张图像，如上海交通大学校徽（sjtu.jpg），用画图工具确定蓝色部分的RGB值（这里是[5, 80, 145]，实际可能会因图像位置和光照条件略有变化）。 2. **颜色空间转换**：在`bgr_hsv_converter.py`中，将RGB值转换为BGR值（即[145, 80, 5]），因为OpenCV的颜色参数通常按BGR顺序提供。 3. **在终端执行脚本**：在树莓派终端中运行`bgr_hsv_converter.py`脚本，将BGR参数145805作为命令行参数传递，开始颜色检测过程。 整个实验涉及到了基本的Python编程技巧、OpenCV库的图像处理函数以及色彩空间转换，这对于理解计算机视觉中的颜色检测应用是十分关键的。通过实践这些步骤，用户可以掌握如何利用OpenCV进行实时颜色识别和图像处理。