opencv颜色识别（opencv颜色识别结合轮廓识别）

本篇文章给大家谈谈opencv颜色识别，以及opencv颜色识别结合轮廓识别对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、opencv颜色识别代码
• 2、opencv摄像机捕捉魔方画面进行颜色识别的问题，如题。
• 3、opencv对图像的颜色识别问题，要用python2实现
• 4、opencv形状识别加颜色识别
• 5、opencv进行颜色识别
• 6、Opencv数字图像处理颜色识别问题_opencv颜色分割

opencv颜色识别代码

#include 亮唤iostream

#include cv.h

#include "highgui.h"

#ifdef _DEBUG

#pragma comment(lib, "opencv_core245d.lib")

#pragma comment(lib, "opencv_highgui245d.lib")

#pragma comment(lib, "opencv_imgproc245d.lib")

#else

#pragma comment(lib, "opencv_core245.lib")

#pragma comment(lib, "opencv_highgui245.lib")

#pragma comment(lib, "opencv_imgproc245.lib")

#endif

int main()

{

 cv::VideoCapture capture(0);

 if (!capture.isOpened())

  return 0;

 cv::Mat image, HSV, channels[3];

 float threshold = 0.3;

 敬伍凯while (capture.read(image))

 橘改{

  cv::cvtColor(image, HSV, CV_BGR2HSV);

  cv::split(HSV, channels);

  cv::threshold(channels[0], channels[1], 15, 1,CV_THRESH_BINARY_INV);

  cv::threshold(channels[0], channels[0], 245, 1,CV_THRESH_BINARY);

  channels[0] += channels[1];

  cv::erode(channels[0], channels[0], cv::Mat::ones(3,3,CV_8UC1), cv::Point(1,1), 3);

  cv::Scalar v = cv::sum(channels[0]);

  int result = v[0]  channels[0].total() * threshold;

  std::cout  result  std::endl;

 }

}

[img]

opencv摄像机捕捉魔方画面进行颜色识别的问题，如题。

首先魔方要买那种磨砂的减少反光的影响。其实也就是当光线太亮或者太暗色彩分量就变小了。

然后通过方法找到魔方的边界，然后将这个正方形部分截取出来处理。

后面就是一个面一个面的处理，将图片分成3*3共9个块，就是对应着9个色块。

下面就是对每个块的处理，去除其中的非色彩分量，就是这部分不参与后面的计算。

我曾经用过一销册个方法，就是通过颜色的值来区分，因为魔方有六种颜色。别的颜色基本没什么问题，只有红色与橙色有问题，由于魔方生产的时候，色彩并不是标准的。所以是不能用固定阈值来处理，也不能用图像的模版悉运来处理，因为那样模版要做的太多了。

个人觉得的办法是睁斗梁，整个魔方所有色块一起处理，先处理其他的颜色，最后再处理红色与橙色，可能会更精确些。就是越靠近红色分量的9个色块作为红色，越靠近橙色分量的9个色块作为橙色。

opencv对图像的颜色识别问题，要用python2实现

我判哪没用过Python的掘罩码Opencv的库，只是用过Python的Image的库；Image库已经可以结果这个问题了

我试着做一下：你先得安装PIL库

得到rgb三个通道，然后转到HSV通道，其中H表示0-255的颜色，V表示强度，你大概先知道紫色的范围是多少

from PIL import Image

import colorsys

def CalculateH(img):

    if len(img.getbands()) == 4:

        ir,ig,ib,ia = img.split()

    else:

        ir, ig, ib = img.split()

    

    Hdat = []

    Sdat = []

    Vdat = []    

    

    for rd,gn,bl in zip(ir.getdata(),ig.getdata(),ib.getdata()):

        h,l,s = colorsys.rgb_to_hsv(rd/255.,gn/255.,bl/255.)

        Hdat.append(h)

        Sdat.append(l)

        Vdat.append(s)

    meanV = mean(Vdat)

    return Hdat, meanV

    

def myreadim(filename):

    im = Image.open(filename)

    H,V = CalculateH(im)

后面我就懒得写了，应该思路都清楚了吧，要转到其他的闷型颜色通道上，不要在rgb通道上

opencv形状识别加颜色识别

大概思路如下，可能可以改进：

1. 用Hough变换进行圆检出

2. 对检粗旦出的每个漏凳岩圆范围内的颜色做histogram并取出现概率最高的颜色作为该圆的颜色信息

3. 将所有检出的圆的颜色返御和参照物（小球）的颜色信息进行比较，取最接近的一个进行追踪即可

opencv进行颜色识别

图片还是视频？

图片的话读到一个Mat里：

Mat img;

img.imread(address,1);

，访问裂辩谨mat的元肆基素就行了：

coutimg.ptruchar(i,j);

会灶高输出BGR值

Opencv数字图像处理颜色识别问题_opencv颜色分割

1、数字图像：

数字图像，又称为数码图像或数位图像，是二维图像用有漏岁限数字数值像素的表示。数字图像是由模拟图像数字化得到的、以像素为基本元素的、可以用数字计算机或数字电路存储和处理的图像。

2、数字图像处理包括内容：

图像数字化；图像变换；图像增强；图像恢复；图像压缩编码；图像分割；图像分析与描述；图像的识别分类。

3、数字图像处理系统包括部分：

输入（采集）；存储；输出（显示）；通信；图像处理与分析。

4、从“模拟图像”到“数厅凳字图像”要经过的步骤有：

图像信息的获取；扮搜旅图像信息的存储；图像信息处理；图像信息的传输；图像信息的输出和显示。

5、数字图像1600x1200什么意思？灰度一般取值范围0~255，其含义是什么？

数字图像1600x1200表示空间分辨率为1600x1200像素；灰度范围0~255指示图像的256阶灰阶，就是通过不同程度的灰色来来表示图像的明暗关系，8bit的灰度分辨率。

关于opencv颜色识别和opencv颜色识别结合轮廓识别的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。