python opencv根据颜色进行目标检测的方法示例
颜色目标检测就是根据物体的颜色快速进行目标定位。使用cv2.inRange函数设定合适的阈值，即可以选出合适的目标。
建立项目colordetect.py，代码如下：
#!/usr/bin/envpython
#-*-coding:utf-8-*-
importnumpyasnp
importcv2
defcolorDetect():
image=cv2.imread('./1.png')
#使用RGB颜色空间检测红蓝黄灰，设置合适的阈值
boundaries=[
([17,15,100],[50,56,200]),
([86,31,4],[220,88,50]),
([25,146,190],[62,174,250]),
([103,86,65],[145,133,128])
]
forlower,upperinboundaries:
lower=np.array(lower,dtype='uint8')
upper=np.array(upper,dtype='uint8')
#低于lower和高于upper的像素为黑色，lower-upper之间的像素为白色
mask=cv2.inRange(image,lower,upper)
#利用蒙版，进行图像的逻辑与运算
output=cv2.bitwise_and(image,image,mask=mask)
cv2.imshow('image',np.hstack([image,output]))
cv2.waitKey(0)
cv2.destroyAllWindows()
defmain():
colorDetect()
if__name__=="__main__":
main()
定义RGB颜色列表：
boundaries=[ ([17,15,100],[50,56,200]), ([86,31,4],[220,88,50]), ([25,146,190],[62,174,250]), ([103,86,65],[145,133,128]) ]
该部分([17,15,100],[50,56,200])，表示图像像素R>=100,B>=15,G>=15和R<=200,B<=56,G<=50的像素将视为红色。
执行代码，结果如下：
总结
要检测图像中颜色，第一件事要做的就是定义像素值的上限和下限。不同的颜色空间具有不同上下限值，定义了上限和下限后，就可以调用cv2.inRange方法返回一个mask，将该mask与图像进行逻辑与bitwise_and就可以得到该图像。
参考资料
https://www.pyimagesearch.com
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。