计算机视觉进阶教学之颜色识别

简介

        颜色检测就是对目标图像的所有像素点进行筛选，将符合指标的像素设置为白色，不符合指标的像素设置为黑色。

一、HSV图像类型介绍

        HSV是相对RGB的另一种颜色表示方式，它相对RGB而言，是一种比较直观的颜色模型。其中颜色的参数分别是：色调（H），饱和度（S），明度（V）。

色调H：
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,紫色为300°；

饱和度S：
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。

明度V：
明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关，光照对此值影响最大。通常取值范围为0%（黑）到100%（白）。

        一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。

• H:  0— 180
• S:  0— 255
• V:  0— 255

选择HSV进行颜色检测的原因

        数字图像处理中常用的采用模型是RGB（红，绿，蓝）模型和HSV（色调，饱和度，亮度），RGB广泛应用于彩色监视器和彩色视频摄像机，我们平时的图片一般都是RGB模型。

        相对于RGB空间,HSV空间能够非常直观的表达色彩的明暗,色调,以及鲜艳程度,方便进行颜色之间的对比。

        所以我们在颜色检测时，选用HSV图像。

二、代码实现

1.颜色识别

        从摄像头实时视频中，在画面中央划定一个固定的矩形区域，分析该区域内像素的颜色，并判断它最可能是哪种颜色（红、黄、绿、蓝）。

import cv2def get_color(img):H = []color_name = Noneimg = cv2.resize(img, dsize=(640, 480))# 将彩色图转成HSVHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 画矩形框cv2.rectangle(img, pt1=(280, 180), pt2=(360, 260), color=(0, 255, 0), thickness=2)# 依次取出每行每列的Hfor i in range(280, 360):for j in range(180, 260): H.append(HSV[j, i][0])# 分别计算出HH_min = min(H); H_max = max(H)# print(H_min,H_max)# 判断颜色if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180: color_name = 'red'elif H_min >= 26 and H_max <= 34: color_name = 'yellow'elif H_min >= 35 and H_max <= 77: color_name = 'green'elif H_min >= 100 and H_max <= 124: color_name = 'blue'print(color_name)return img, color_namecap = cv2.VideoCapture(0)
while 1:_, frame = cap.read()img, cal = get_color(frame)cv2.imshow('', img)if cv2.waitKey(1) == 27:break

2.识别指定颜色区域

        从摄像头实时视频中，检测出所有属于预定义颜色范围（代码中注释了两种范围，一个是绿色，一个是棕色）的像素，并将其高亮显示，其他颜色则显示为黑色。

import cv2
import numpy as npcap = cv2.VideoCapture(0)while True:try:ret, frame3 = cap.read()hsv_image = cv2.cvtColor(frame3, cv2.COLOR_BGR2HSV)# 定义颜色的范围lower_brown = np.array([35, 43, 46])  # 最小颜色值upper_brown = np.array([77, 255, 255])  # 最大颜色值# lower_brown = np.array([10, 30, 30])  # 最小颜色值# upper_brown = np.array([30, 255, 255])  # 最大颜色值# 使用颜色范围进行颜色检测 符合条件的像素被设为255（白色），不符合条件的像素被设为0（黑色）mask = cv2.inRange(hsv_image, lower_brown, upper_brown)result = cv2.bitwise_and(frame3, frame3, mask=mask)cv2.imshow('mask', mask)cv2.imshow('Filtered Image1', frame3)cv2.imshow('result', result)if cv2.waitKey(1) == 27:breakexcept:pass
# 释放摄像头资源及关闭窗口
cap.release()
cv2.destroyAllWindows()

特性	代码一 (get_color.py)	代码二 (color_detection.py)
核心目标	识别一个固定区域内的主颜色。	检测并高亮整个画面中所有符合特定颜色范围的像素。
颜色分析区域	固定的、预设的矩形框。	整个视频帧。
核心技术	手动遍历像素，提取 H 值，然后用 if/elif 判断。	使用 cv2.inRange() 创建掩码，再用 cv2.bitwise_and() 提取颜色。
优点	逻辑简单直观，易于理解。	效率极高（inRange是高度优化的 C++ 实现），功能强大，可扩展性好。
缺点	效率较低（Python 循环慢），颜色判断不够健壮（未考虑 S 和 V）。	需要预先确定颜色的 HSV 范围，这有时需要调试。
适用场景	简单的颜色分类任务，如判断交通灯颜色（假设摄像头固定）。	复杂的物体追踪、颜色分割、背景消除等。