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，该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。我周围的其他地方不是白色就是黑色。我已尽量减少房间内光线的变化。

在给定特定色调范围的情况下，我已经成功地在对象周围创建了一个蒙版。我希望我的程序为我打印：

1) “红色”- 如果有红色物体

2) “蓝色”- 如果有蓝色物体

我不知道该怎么做。以下是我在蓝色对象周围创建蒙版的程序。我也给出了其他一些颜色的色调范围。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 - 我尝试了 Stackoverflow 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])

以下是一些您可以尝试的示例图片：

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，您需要计算已知颜色数据集与该区域的 L*a*b 平均值之间的欧几里得距离。

1. 检测您需要颜色的特定感兴趣区域。

2. 请参考以下代码来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]]
   

   • 上面的代码是从 PyImageSearch 借来的，为了你的参考，完整的博文可以在这里找到：(https://www.pyimagesearch.com/2016/02/15/determining-object-color-with-opencv/)