### 使用 OpenCV 实现颜色识别并计算提取物体的中心坐标 要使用 OpenCV 进行颜色识别并提取目标物的中心坐标，可以通过以下方法完成。以下是详细的实现方式： #### 1. 图像预处理 首先加载图像并将色彩空间从 BGR 转换为 HSV (Hue-Saturation-Value)，因为HSV色彩空间更适合用于颜色检测[^2]。 ```python import cv2 import numpy as np # 加载图像 image = cv2.imread('object.jpg') # 将BGR转为HSV hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) ``` #### 2. 颜色阈值设定 定义感兴趣的颜色范围（例如红色），通过设置HSV中的最低和最高阈值来创建掩码[^3]。 ```python # 定义红色的HSV范围 lower_red = np.array([0, 120, 70]) upper_red = np.array([10, 255, 255]) # 创建掩码 mask = cv2.inRange(hsv_image, lower_red, upper_red) # 对于另一部分红色区域（由于HSV中红色跨越两个区间） lower_red_2 = np.array([170, 120, 70]) upper_red_2 = np.array([180, 255, 255]) mask += cv2.inRange(hsv_image, lower_red_2, upper_red_2) ``` #### 3. 形态学操作 为了减少噪声的影响，可以应用形态学开运算或闭运算[^4]。 ```python kernel = np.ones((5, 5), np.uint8) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) ``` #### 4. 寻找轮廓并计算质心 利用 `cv2.findContours` 函数找到对象的边界，并通过矩形包围框或者最小外接圆等方式定位目标位置[^5]。 ```python contours, _ = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: area = cv2.contourArea(contour) if area > 100: # 设置面积阈值过滤掉小的噪点 moments = cv2.moments(contour) if moments["m00"] != 0: cx = int(moments['m10'] / moments['m00']) cy = int(moments['m01'] / moments['m00']) # 绘制中心点 cv2.circle(image, (cx, cy), 5, (255, 255, 255), -1) # 显示中心坐标 cv2.putText(image, f"({cx}, {cy})", (cx - 20, cy - 20), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2) ``` 最后显示结果图像： ```python cv2.imshow("Detected Object", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码实现了基于颜色的目标检测及其中心坐标的计算功能[^6]。 ---