使用 OPENCV Python 进行颜色检测和选择

在今天的文章中，我们将讨论如何使用 OpenCV－python 从图像或视频内容中检测和选择颜色。

在开始之前，想指出你需要与本文一起完成的先决条件。首先，考虑到你已经了解编程，你需要知道如何在 OpenCV－python 中读取和显示图像。

读取和显示图像

这里的第一步是使用 opencv 从图像文件中读取和显示图像。为此，我们将使用下面的代码片段：

import cv2

＃ read the image into memory

img ＝ cv2．imread（＂．／images／image1．jpg＂）

＃ resise the image

img ＝ cv2．resize（img， （640， 480））

＃ create a window named image and display the image inside of it．

cv2．imshow（＂Image＂， img）

＃ wait untill a any key is pressed to quite the program

cv2．waitKey（0）

创建 Trackbar 滑动条

为了检测图像中的颜色，我们需要将图像转换为 HSV（Hue Saturation Value）图像。此图像比例将允许用于在给定的 UPPER 和 LOWER 范围内选择颜色。

在本节中，让我们继续编写代码来创建滑动条，并从滑块中提取值作为用户输入。

为此，我们的代码需要进行更多更改。它现在应该是这样的。

import cv2

import numpy as np

def do＿nothing（）：

   pass

＃ create slider here

cv2．namedWindow（＂Slider＂）

cv2．resizeWindow（＂Slider＂， 640， 480）

cv2．createTrackbar（＂Hue Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Hue Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Max＂， ＂Slider＂， 0， 255， do＿nothing）

img ＝ cv2．imread（＂．／images／image1．jpg＂）

img ＝ cv2．resize（img， （640， 480））

while True：
 

   ＃ extract the values from the trackbar

   hue＿min ＝ cv2．getTrackbarPos（＂Hue Min＂， ＂Slider＂）

   hue＿max ＝ cv2．getTrackbarPos（＂Hue Max＂， ＂Slider＂）

   sat＿min ＝ cv2．getTrackbarPos（＂Saturation Min＂， ＂Slider＂）

   sat＿max ＝ cv2．getTrackbarPos（＂Saturation Max＂， ＂Slider＂）

   val＿min ＝ cv2．getTrackbarPos（＂Value Min＂， ＂Slider＂）

   val＿max ＝ cv2．getTrackbarPos（＂Value Max＂， ＂Slider＂）
   

   print（hue＿min， hue＿max， sat＿min， sat＿max， val＿min， val＿max）
   

   if cv2．waitKey（1） ＆ 0xFF ＝＝ ord（＂q＂）：

       break

cv2．destroyAllWindows（）

将图像转换为 HSV 比例

现在我们能够让滑块和滑动条正常工作，让我们继续将我们的图像转换为 HSV 比例，然后能够在特定颜色范围内选择颜色。

我们可以用第35行的代码做到这一点

import cv2

import numpy as np

def do＿nothing（）：

   pass

＃ create slider here

cv2．namedWindow（＂Slider＂）

cv2．resizeWindow（＂Slider＂， 640， 480）

cv2．createTrackbar（＂Hue Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Hue Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Max＂， ＂Slider＂， 0， 255， do＿nothing）

img ＝ cv2．imread（＂．／images／image1．jpg＂）

img ＝ cv2．resize（img， （640， 480））

while True：
 

   ＃ extract the values from the trackbar

   hue＿min ＝ cv2．getTrackbarPos（＂Hue Min＂， ＂Slider＂）

   hue＿max ＝ cv2．getTrackbarPos（＂Hue Max＂， ＂Slider＂）

   sat＿min ＝ cv2．getTrackbarPos（＂Saturation Min＂， ＂Slider＂）

   sat＿max ＝ cv2．getTrackbarPos（＂Saturation Max＂， ＂Slider＂）

   val＿min ＝ cv2．getTrackbarPos（＂Value Min＂， ＂Slider＂）

   val＿max ＝ cv2．getTrackbarPos（＂Value Max＂， ＂Slider＂）
   

＃     print（hue＿min， hue＿max， sat＿min， sat＿max， val＿min， val＿max）
   

   ＃ convert to HSV image

   hsv＿img ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2HSV）
   

   if cv2．waitKey（1） ＆ 0xFF ＝＝ ord（＂q＂）：

       break

cv2．destroyAllWindows（）

得到我们想要的颜色的上下界

现在我们已经将图像转换为 HSV 比例，我们将更多地了解我们想要检测和选择的颜色的上限和下限。我们分别使用第35行和第36行的代码来执行此操作。

注意：确保此时已导入 numpy，否则会出现一些错误，numpy 预装了 OpenCV－Python。

import cv2

import numpy as np

def do＿nothing（）：

   pass

＃ create slider here

cv2．namedWindow（＂Slider＂）

cv2．resizeWindow（＂Slider＂， 640， 480）

cv2．createTrackbar（＂Hue Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Hue Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Max＂， ＂Slider＂， 0， 255， do＿nothing）

img ＝ cv2．imread（＂．／images／image1．jpg＂）

img ＝ cv2．resize（img， （640， 480））

while True：
 

   ＃ extract the values from the trackbar

   hue＿min ＝ cv2．getTrackbarPos（＂Hue Min＂， ＂Slider＂）

   hue＿max ＝ cv2．getTrackbarPos（＂Hue Max＂， ＂Slider＂）

   sat＿min ＝ cv2．getTrackbarPos（＂Saturation Min＂， ＂Slider＂）

   sat＿max ＝ cv2．getTrackbarPos（＂Saturation Max＂， ＂Slider＂）

   val＿min ＝ cv2．getTrackbarPos（＂Value Min＂， ＂Slider＂）

   val＿max ＝ cv2．getTrackbarPos（＂Value Max＂， ＂Slider＂）
   

＃     print（hue＿min， hue＿max， sat＿min， sat＿max， val＿min， val＿max）

   ＃ set bounds

   lower＿bound ＝ np．array（［hue＿min， sat＿min， val＿min］）

   upper＿bound ＝ np．array（［hue＿max， sat＿max， val＿max］）
   

   ＃ convert to HSV image

   hsv＿img ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2HSV）
   

   if cv2．waitKey（1） ＆ 0xFF ＝＝ ord（＂q＂）：

       break

cv2．destroyAllWindows（）

创建一个掩码并将其用于 Bitwise＿and 操作

现在，我们需要创建一个图像掩码，并使用它来执行按位操作，使用用户使用滑动条设置的 UPPER 边界和 LOWER 边界。

这将使我们能够选择该颜色范围内的颜色。我们的代码现在应该如下所示，分别在第43行和第46行进行了更改。

在第50行，我们简单地显示图像。现在你可以调整滑块并选择你选择的不同颜色。

import cv2

import numpy as np

def do＿nothing（）：

   pass

＃ create slider here

cv2．namedWindow（＂Slider＂）

cv2．resizeWindow（＂Slider＂， 640， 480）

cv2．createTrackbar（＂Hue Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Hue Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Max＂， ＂Slider＂， 0， 255， do＿nothing）

img ＝ cv2．imread（＂．／images／image1．jpg＂）

img ＝ cv2．resize（img， （640， 480））

while True：
 

   ＃ extract the values from the trackbar

   hue＿min ＝ cv2．getTrackbarPos（＂Hue Min＂， ＂Slider＂）

   hue＿max ＝ cv2．getTrackbarPos（＂Hue Max＂， ＂Slider＂）

   sat＿min ＝ cv2．getTrackbarPos（＂Saturation Min＂， ＂Slider＂）

   sat＿max ＝ cv2．getTrackbarPos（＂Saturation Max＂， ＂Slider＂）

   val＿min ＝ cv2．getTrackbarPos（＂Value Min＂， ＂Slider＂）

   val＿max ＝ cv2．getTrackbarPos（＂Value Max＂， ＂Slider＂）
   

＃     print（hue＿min， hue＿max， sat＿min， sat＿max， val＿min， val＿max）

   ＃ set bounds

   lower＿bound ＝ np．array（［hue＿min， sat＿min， val＿min］）

   upper＿bound ＝ np．array（［hue＿max， sat＿max， val＿max］）
   

   ＃ convert to HSV image

   hsv＿img ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2HSV）
   

   ＃ create mask

   mask ＝ cv2．inRange（hsv＿img， lower＿bound， upper＿bound）
 

   ＃  we perform bitwise and operation here

   resulting＿img ＝ cv2．bitwise＿and（img， img， mask＝mask）
   
   

   ＃ display the image here

   cv2．imshow（＂Image＂， resulting＿img）
   

   if cv2．waitKey（1） ＆ 0xFF ＝＝ ord（＂q＂）：

       break

cv2．destroyAllWindows（）

最后的润色

现在我们已经做到了这一点，让我们堆叠图像以获得更好的演示。可以在此代码段中找到此代码。

在第46行，我们创建了一个堆叠图像并将其显示在第49行。

import cv2

import numpy as np

def do＿nothing（）：

   pass

＃ create slider here

cv2．namedWindow（＂Slider＂）

cv2．resizeWindow（＂Slider＂， 640， 480）

cv2．createTrackbar（＂Hue Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Hue Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Saturation Max＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Min＂， ＂Slider＂， 0， 255， do＿nothing）

cv2．createTrackbar（＂Value Max＂， ＂Slider＂， 0， 255， do＿nothing）

img ＝ cv2．imread（＂．／images／image1．jpg＂）

img ＝ cv2．resize（img， （640， 480））

while True：

   hue＿min ＝ cv2．getTrackbarPos（＂Hue Min＂， ＂Slider＂）

   hue＿max ＝ cv2．getTrackbarPos（＂Hue Max＂， ＂Slider＂）

   sat＿min ＝ cv2．getTrackbarPos（＂Saturation Min＂， ＂Slider＂）

   sat＿max ＝ cv2．getTrackbarPos（＂Saturation Max＂， ＂Slider＂）

   val＿min ＝ cv2．getTrackbarPos（＂Value Min＂， ＂Slider＂）

   val＿max ＝ cv2．getTrackbarPos（＂Value Max＂， ＂Slider＂）

   ＃ set bounds

   lower＿bound ＝ np．array（［hue＿min， sat＿min， val＿min］）

   upper＿bound ＝ np．array（［hue＿max， sat＿max， val＿max］）

   ＃ convert to HSV image

   hsv＿img ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2HSV）

   ＃ create mask

   mask ＝ cv2．inRange（hsv＿img， lower＿bound， upper＿bound）

   resulting＿img ＝ cv2．bitwise＿and（img， img， mask＝mask）

   stacked＿imgs ＝ np．hstack（［img， resulting＿img］）

＃     create a stacked image of the original and the HSV one．

   cv2．imshow（＂Image＂， stacked＿imgs）

   if cv2．waitKey（1） ＆ 0xFF ＝＝ ord（＂q＂）：

       break

cv2．destroyAllWindows（）

结论

有关该项目的视频说明，请查看：

       原文标题 : 使用 OPENCV Python 进行颜色检测和选择