Python+OpenCV實現(xiàn)基于顏色的目標識別

更新時間：2022年01月04日 17:07:12 作者：a_growing_tree

這篇文章主要介紹了利用OpenCV實現(xiàn)基于顏色的目標識別，即讓攝像頭識別到視野范圍內(nèi)的有顏色的氣球并返回每個氣球的中心點坐標，感興趣的可以跟隨小編學習一下

任務

讓攝像頭識別到視野范圍內(nèi)的氣球并返回每個氣球的中心點坐標。

因為場地固定，背景單一，所以省下來很多操作和處理。于是就有兩種解決思路：第一種是基于氣球形狀做輪廓提取，只要是閉合橢圓或圓形形就認為是目標物體；第二種是基于氣球顏色，只要符合目標物體的顏色就認為是目標物體。

因為攝像頭是裝在四足機器人（它的任務是去扎氣球）身上的，所以它如果移動到攝像頭視野范圍內(nèi)氣球不成閉合橢圓或圓形的時候就無法識別了，再加上場地燈光而產(chǎn)生的陰影的問題，在初步實踐中發(fā)現(xiàn)經(jīng)過圖像處理的氣球不一定是閉合球形的。所以這種方法被我否決了。

于是我就采用了第二種方法，實現(xiàn)思路大概如下：

首先對圖像進行形態(tài)學處理，具體為將讀入的灰度圖進行一次濾波操作，將圖像轉化成HSV圖，然后進行腐蝕操作。接著就對目標顏色進行識別和提取。然后提取圖像的輪廓，過濾掉輪廓圍成面積較小的物體后將剩余物體視為目標。接下來就繪制目標的外接矩形（不必要，用于調試。當然也為了帥氣的視覺效果）。最后計算目標的中心點，返回中心點，并繪制在圖上。

話不多說我們來看一下具體的代碼實現(xiàn)吧

主要代碼

import cv2
#import matplotlib.pyplot as plt
import numpy as np

#定義一個展示圖片的函數(shù)
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

#定義一個形態(tài)學處理的函數(shù)
def good_thresh_img(img):
    gs_frame = cv2.GaussianBlur(img, (5, 5), 0)                     #高斯濾波
    hsv = cv2.cvtColor(gs_frame, cv2.COLOR_BGR2HSV)                 # 轉化成HSV圖像
    erode_hsv = cv2.erode(hsv, None, iterations=2)
    return erode_hsv

#定義一個識別目標顏色并處理的函數(shù)
def select_color_img(target_color,img):
        for i in target_color:
            mask=cv2.inRange(erode_hsv,color_dist[i]['Lower'],color_dist[i]['Upper'])
            if(i==target_color[0]):
                inRange_hsv=cv2.bitwise_and(erode_hsv,erode_hsv,mask = mask)
                cv_show('res',inRange_hsv)#不必要，用于調試
            else:
                inRange_hsv1=cv2.bitwise_and(erode_hsv,erode_hsv,mask = mask)
                cv_show('res1',inRange_hsv1)#不必要，用于調試
                inRange_hsv=cv2.add(inRange_hsv,inRange_hsv1)
                cv_show('res2',inRange_hsv)#不必要，用于調試
        return  inRange_hsv

#定義一個提取輪廓的函數(shù)
def extract_contour(img):
    inRange_gray = cv2.cvtColor(final_inRange_hsv,cv2.COLOR_BGR2GRAY)
    contours,hierarchy = cv2.findContours(inRange_gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
    return contours
    
#定義一個尋找目標并繪制外接矩形的函數(shù)
def find_target(contours,draw_img):
    for c in contours:

        if cv2.contourArea(c) < 2000:             #過濾掉較面積小的物體
            continue
        else:
            target_list.append(c)               #將面積較大的物體視為目標并存入目標列表
    for i in target_list:                       #繪制目標外接矩形
        rect = cv2.minAreaRect(i)
        box = cv2.boxPoints(rect)
        cv2.drawContours(draw_img, [np.int0(box)], -1, (0, 255, 255), 2)
    return draw_img

#定義一個繪制中心點坐標的函數(shù)
def draw_center(target_list,draw_img):
    for  c in target_list:
        M = cv2.moments(c)                   #計算中心點的x、y坐標
        center_x = int(M['m10']/M['m00'])
        center_y = int(M['m01']/M['m00'])
        print('center_x:',center_x)          #打?。ǚ祷兀┲行狞c的x、y坐標
        print('center_y:',center_y)
    
        cv2.circle(draw_img,(center_x,center_y),7,128,-1)#繪制中心點
        str1 = '(' + str(center_x)+ ',' +str(center_y) +')' #把坐標轉化為字符串
        cv2.putText(draw_img,str1,(center_x-50,center_y+40),cv2.FONT_HERSHEY_SIMPLEX,1,(255,255,0),2,cv2.LINE_AA)#繪制坐標點位
    
    return draw_img

###主函數(shù)部分
#創(chuàng)建顏色字典
color_dist = {'red': {'Lower': np.array([0, 60, 60]), 'Upper': np.array([6, 255, 255])},
              'yellow': {'Lower': np.array([15, 160, 50]), 'Upper': np.array([35, 255, 255])},
              'green': {'Lower': np.array([50, 50, 50]), 'Upper': np.array([130, 255, 255])},
              }
#目標顏色
target_color = ['green','yellow']
#創(chuàng)建目標列表
target_list=[]

img = cv2.imread(r'D:lesson\balloom.jpg',cv2.COLOR_BGR2RGB)       #讀入圖像（直接讀入灰度圖）
draw_img = img.copy()                             #為保護原圖像不被更改而copy了一份，下面對圖像的修改都是對這個副本進行的
erode_hsv = good_thresh_img(img)
final_inRange_hsv = select_color_img(target_color,erode_hsv)
contours = extract_contour(final_inRange_hsv)
draw_img = find_target(contours,draw_img)
final_img = draw_center(target_list,draw_img)

cv_show('final_img',final_img)