这篇文章主要介绍了怎么用opencv判断多种颜色小球的形状及位置的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇怎么用opencv判断...
这篇文章主要介绍了怎么用opencv判断多种颜色小球的形状及位置的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇怎么用opencv判断多种颜色小球的形状及位置文章都会有所收获,下面我们一起来看看吧。
一、opencv是什么?
OpenCV是一个用于图像处理、分析、机器视觉方面的开源函数库.
二、使用步骤
1.引入库
代码如下:
import cv2
import numpy as np
2.设置颜色阈值
代码如下:
#颜色阈值
low_red = np.array([100, 100, 60])
up_red = np.array([180, 255, 255])
low_green = np.array([35, 43, 46])
up_green = np.array([77, 255, 255])
low_blue = np.array([90, 110, 110])
up_blue = np.array([124, 255, 255])
#记录形状
xz = {}
字典xz是待会记录形状用的
3.对图片进行加载和处理
代码如下:
if __name__ == '__main__':
image = cv2.imread('img_1.png')#读取图像
image = cv2.resize(image, (500, 500))#重新裁剪图像
#image = cv2.GaussianBlur(image, (11, 11), 0)#高斯滤波
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
color_read(hsv, image)#处理图片的函数
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
4.处理图片的函数
代码如下:
def color_read(hsv, image):
global xz
blue = get_image(hsv, low_blue, up_blue)#使用获取颜色空间的函数进行颜色获取三种颜色
red = get_image(hsv, low_red, up_red)
green = get_image(hsv, low_green, up_green)
mask = blue + red + green
#寻找图像的轮廓
cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
print('cnts:', len(cnts))
##先判断形状再画轮廓
for cnt in cnts:
area = cv2.contourArea(cnt)#计算轮廓的面积
print('area:', area)
if area > 1000:
epsilon = 0.04 * cv2.arcLength(cnt, True)#计算轮廓长度
approx = cv2.approxPolyDP(cnt, epsilon, True)#计算轮廓角点
corners = len(approx)
print(corners)
#根据角点的个数判断形状
if corners == 3:
a = '三角形'
b = approx[0][0][0] # 根据三角形的角点判断位置
xz[a] = b
area, trgl = cv2.minEnclosingTriangle(cnt)#寻找三角形的轮廓
# 绘制三角形轮廓
for i in range(0, 3):
cv2.line(image, tuple(trgl[i][0]), tuple(trgl[(i + 1) % 3][0]), (0, 255, 0), 2)
elif corners == 4:
a = '矩形'
b = approx[0][0][0]
xz[a] = b
x, y, w, h = cv2.boundingRect(cnt)#寻找矩形轮廓
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)#绘制矩形轮廓
else:
#圆形这里是处理的不好的地方所以我没有用变量x1和z,因为画出来的轮廓有点大
a = '圆'
b = approx[0][0][0]
xz[a] = b
((x1, y1), z) = cv2.minEnclosingCircle(cnt)#寻找圆形轮廓
x1 = int(x1)
y1 = int(y1)
z = int(z)
cv2.circle(image, (150, y1), 60, (0, 255, 0), 2)#绘制圆形轮廓
5.获取颜色空间函数
代码如下:
#获取图像hsv的方法
def get_image(hsv, low, up):
mask = cv2.inRange(hsv, low, up)#获取色彩空间
mask = cv2.erode(mask, None, 2)#腐蚀操作
mask = cv2.dilate(mask, None, 2)#膨胀操作
return mask
6.完整代码
#获取图像hsv的方法
import cv2
import numpy as np
#颜色阈值
low_red = np.array([100, 100, 60])
up_red = np.array([180, 255, 255])
low_green = np.array([35, 43, 46])
up_green = np.array([77, 255, 255])
low_blue = np.array([90, 110, 110])
up_blue = np.array([124, 255, 255])
#记录形状
xz = {}
#获取图像hsv的方法
def get_image(hsv, low, up):
mask = cv2.inRange(hsv, low, up)#获取色彩空间
mask = cv2.erode(mask, None, 2)#腐蚀操作
mask = cv2.dilate(mask, None, 2)#膨胀操作
return mask
#获取轮廓
def color_read(hsv, image):
global xz
blue = get_image(hsv, low_blue, up_blue)#使用获取颜色空间的函数进行颜色获取三种颜色
red = get_image(hsv, low_red, up_red)
green = get_image(hsv, low_green, up_green)
mask = blue + red + green
#寻找图像的轮廓
cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
print('cnts:', len(cnts))
##先判断形状再画轮廓
for cnt in cnts:
area = cv2.contourArea(cnt)#计算轮廓的面积
print('area:', area)
if area > 1000:
epsilon = 0.04 * cv2.arcLength(cnt, True)#计算轮廓长度
approx = cv2.approxPolyDP(cnt, epsilon, True)#计算轮廓角点
corners = len(approx)
print(corners)
#根据角点的个数判断形状
if corners == 3:
a = '三角形'
b = approx[0][0][0] # 根据三角形的角点判断位置
xz[a] = b
area, trgl = cv2.minEnclosingTriangle(cnt)#寻找三角形的轮廓
# 绘制三角形轮廓
for i in range(0, 3):
cv2.line(image, tuple(trgl[i][0]), tuple(trgl[(i + 1) % 3][0]), (0, 255, 0), 2)
elif corners == 4:
a = '矩形'
b = approx[0][0][0]
xz[a] = b
x, y, w, h = cv2.boundingRect(cnt)#寻找矩形轮廓
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)#绘制矩形轮廓
else:
a = '圆'
b = approx[0][0][0]
xz[a] = b
((x1, y1), z) = cv2.minEnclosingCircle(cnt)#寻找圆形轮廓
x1 = int(x1)
y1 = int(y1)
z = int(z)
cv2.circle(image, (150, y1), 60, (0, 255, 0), 2)#绘制圆形轮廓
if __name__ == '__main__':
image = cv2.imread('img_1.png')#读取图像
image = cv2.resize(image, (500, 500))#重新裁剪图像
#image = cv2.GaussianBlur(image, (11, 11), 0)#高斯滤波
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
color_read(hsv, image)#处理图片的函数
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
#对拿到的小球字典位置数据进行处理
xz[min(xz, key=xz.get)] = 1
xz[max(xz, key=xz.get)] = 3
xz[max(xz, key=xz.get)] = 2
xz = sorted(xz.items(), key=lambda x: x[1], reverse=False)
xz = dict(xz)
print(xz)
关于“怎么用opencv判断多种颜色小球的形状及位置”这篇文章的内容就介绍到这里,感谢各位的阅读!相信大家对“怎么用opencv判断多种颜色小球的形状及位置”知识都有一定的了解,大家如果还想学习更多知识,欢迎关注捷杰建站行业资讯频道。