使用 opencv（python3 中的 cv2）检测对象是否具有 3 种颜色中的特定颜色

Question

我目前正在开发一个程序，可以检测我的房间里是否有红色物体或是否有蓝色物体。我周围的其余部分不是白色就是黑色。我尽量减少房间内光线的变化。

我已经成功地在给定一定色调范围的对象周围创建了一个遮罩。我想让我的程序为我打印 :

1) "Red"- 如果有红色物体

2) "Blue"- 如果有蓝色物体

我不知道如何进行。以下是我的程序，它在蓝色对象周围创建遮罩。我也给出了一些其他颜色的色调范围。这样你就可以试试了。

程序：

import cv2
import numpy as np

cam = cv2.VideoCapture(1)

while True:
    _, frame = cam.read()

    denoised = cv2.GaussianBlur(frame, (31, 31), 35)
    hsv = cv2.cvtColor(denoised, cv2.COLOR_BGR2HSV)


    lower_blue = np.array([110, 50, 50])
    upper_blue = np.array([160, 255, 255])

    mask = cv2.inRange(hsv, lower_red, upper_red)
    res = cv2.bitwise_and(frame, frame, mask=mask)

    cv2.imshow('frame', frame)
    #cv2.imshow('mask', mask)
    cv2.imshow('res', res)

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

cam.release()
cv2.destroyAllWindows()

不同颜色的色调（我不确定红色的色调，因为它不适用于某些颜色 - 我已经尝试了 Whosebug 的一些解决方案）：

lower_red = np.array([0, 100, 100])
upper_red = np.array([0, 255, 255])

lower_yellow = np.array([15, 210, 20])
upper_yellow = np.array([35, 255, 255])

lower_green = np.array([29, 86, 6])
upper_green = np.array([64, 255, 2555])

lower_orange = np.array([10, 100, 20])
upper_orange = np.array([20,255,255])

以下是您可以试验的一些示例图像：

Answer 1

你的方法在某种程度上是正确的。但是要确定图像特定区域的颜色，需要计算颜色的已知数据集与该区域的L*a*b平均值之间的欧式距离。

检测您需要颜色的特定感兴趣区域。

参考以下代码确定感兴趣区域内的颜色。

class ColorLabeler:
    def __init__(self):
        # initialize the colors dictionary, containing the color
        # name as the key and the RGB tuple as the value
        colors = OrderedDict({
            "red": (255, 0, 0),
            "green": (0, 255, 0),
            "blue": (0, 0, 255)})

        # allocate memory for the L*a*b* image, then initialize
        # the color names list
        self.lab = np.zeros((len(colors), 1, 3), dtype="uint8")
        self.colorNames = []

        # loop over the colors dictionary
        for (i, (name, rgb)) in enumerate(colors.items()):
            # update the L*a*b* array and the color names list
            self.lab[i] = rgb
            self.colorNames.append(name)

        # convert the L*a*b* array from the RGB color space
        # to L*a*b*
        self.lab = cv2.cvtColor(self.lab, cv2.COLOR_RGB2LAB)

def label(self, image, c):
    # construct a mask for the contour, then compute the
    # average L*a*b* value for the masked region
    mask = np.zeros(image.shape[:2], dtype="uint8")
    cv2.drawContours(mask, [c], -1, 255, -1)
    mask = cv2.erode(mask, None, iterations=2)
    mean = cv2.mean(image, mask=mask)[:3]

    # initialize the minimum distance found thus far
    minDist = (np.inf, None)

    # loop over the known L*a*b* color values
    for (i, row) in enumerate(self.lab):
        # compute the distance between the current L*a*b*
        # color value and the mean of the image
        d = dist.euclidean(row[0], mean)

        # if the distance is smaller than the current distance,
        # then update the bookkeeping variable
        if d < minDist[0]:
            minDist = (d, i)

    # return the name of the color with the smallest distance
    return self.colorNames[minDist[1]]

以上代码是从 PyImageSearch 借用的，为了您的参考，完整的博客 post 可以在这里找到：(https://www.pyimagesearch.com/2016/02/15/determining-object-color-with-opencv/)

使用 opencv（python3 中的 cv2）检测对象是否具有 3 种颜色中的特定颜色

Detect if an object has a specific colour out of 3 colours using opencv (cv2 in python3)

opencv

python-3.x

color-detection

cv2