python opencv检测目标颜色的实例讲解

# -*- coding:utf-8 -*-__author__ = 'kingking'__version__ = '1.0'__date__ = '14/07/2017'import cv2import numpy as npimport timeif __name__ == '__main__': Img = cv2.imread('example.png')#读入一幅图像 kernel_2 = np.ones((2,2),np.uint8)#2x2的卷积核 kernel_3 = np.ones((3,3),np.uint8)#3x3的卷积核 kernel_4 = np.ones((4,4),np.uint8)#4x4的卷积核 if Img is not None:#判断图片是否读入  HSV = cv2.cvtColor(Img, cv2.COLOR_BGR2HSV)#把BGR图像转换为HSV格式  '''  HSV模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）  下面两个值是要识别的颜色范围  '''  Lower = np.array([20, 20, 20])#要识别颜色的下限  Upper = np.array([30, 255, 255])#要识别的颜色的上限  #mask是把HSV图片中在颜色范围内的区域变成白色，其他区域变成黑色  mask = cv2.inRange(HSV, Lower, Upper)  #下面四行是用卷积进行滤波  erosion = cv2.erode(mask,kernel_4,iterations = 1)  erosion = cv2.erode(erosion,kernel_4,iterations = 1)  dilation = cv2.dilate(erosion,kernel_4,iterations = 1)  dilation = cv2.dilate(dilation,kernel_4,iterations = 1)  #target是把原图中的非目标颜色区域去掉剩下的图像  target = cv2.bitwise_and(Img, Img, mask=dilation)  #将滤波后的图像变成二值图像放在binary中  ret, binary = cv2.threshold(dilation,127,255,cv2.THRESH_BINARY)   #在binary中发现轮廓，轮廓按照面积从小到大排列  contours, hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)   p=0  for i in contours:#遍历所有的轮廓   x,y,w,h = cv2.boundingRect(i)#将轮廓分解为识别对象的左上角坐标和宽、高   #在图像上画上矩形（图片、左上角坐标、右下角坐标、颜色、线条宽度）   cv2.rectangle(Img,(x,y),(x+w,y+h),(0,255,),3)   #给识别对象写上标号   font=cv2.FONT_HERSHEY_SIMPLEX   cv2.putText(Img,str(p),(x-10,y+10), font, 1,(0,0,255),2)#加减10是调整字符位置   p +=1  print '黄色方块的数量是',p,'个'#终端输出目标数量  cv2.imshow('target', target)  cv2.imshow('Mask', mask)  cv2.imshow("prod", dilation)  cv2.imshow('Img', Img)  cv2.imwrite('Img.png', Img)#将画上矩形的图形保存到当前目录   while True:  Key = chr(cv2.waitKey(15) & 255)  if Key == 'q':   cv2.destroyAllWindows()   break