### Python OpenCV 颜色检测与形状识别实现方法 颜色检测和形状识别是计算机视觉中的常见任务，通过 OpenCV 和 Python 可以高效地完成这些功能。以下是实现颜色检测和形状识别的完整方法。 #### 颜色检测 颜色检测通常需要将图像从 BGR 色彩空间转换为 HSV 色彩空间，因为 HSV 更适合进行颜色分割[^1]。以下是一个完整的颜色检测代码示例： ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('l3.png') # 将图像从 BGR 转换为 HSV hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 定义颜色范围（例如红色） lower_red = np.array([0, 120, 70]) upper_red = np.array([10, 255, 255]) # 创建掩码 mask = cv2.inRange(hsv, lower_red, upper_red) # 对原始图像应用掩码 result = cv2.bitwise_and(img, img, mask=mask) # 显示结果 cv2.imshow('Original Image', img) cv2.imshow('Mask', mask) cv2.imshow('Result', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述代码中，`cv2.inRange` 函数用于创建一个二值掩码，其中像素值在指定范围内的部分被设置为白色，其余部分为黑色[^1]。 #### 形状识别 形状识别可以通过轮廓检测和多边形近似来实现。以下是一个完整的形状识别代码示例： ```python import cv2 import numpy as np class ShapeDetector: def __init__(self): pass def detect(self, c): shape = "unidentified" peri = cv2.arcLength(c, True) approx = cv2.approxPolyDP(c, 0.04 * peri, True) if len(approx) == 3: shape = "triangle" elif len(approx) == 4: (x, y, w, h) = cv2.boundingRect(approx) ar = w / float(h) shape = "square" if ar >= 0.95 and ar <= 1.05 else "rectangle" elif len(approx) == 5: shape = "pentagon" else: shape = "circle" return shape # 读取图像并转换为灰度图 image = cv2.imread('shapes.png') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1] # 查找轮廓 contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 初始化形状检测器 sd = ShapeDetector() # 遍历每个轮廓并检测形状 for c in contours: shape = sd.detect(c) M = cv2.moments(c) if M["m00"] != 0: cX = int((M["m10"] / M["m00"])) cY = int((M["m01"] / M["m00"])) cv2.drawContours(image, [c], -1, (0, 255, 0), 2) cv2.putText(image, shape, (cX, cY), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2) # 显示结果 cv2.imshow("Image", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述代码定义了一个 `ShapeDetector` 类，用于检测不同类型的形状，并通过轮廓的顶点数判断形状类型[^2]。 #### 结合颜色检测与形状识别 为了同时实现颜色检测和形状识别，可以将两者结合起来。例如，先对图像进行颜色过滤，然后在过滤后的图像上查找轮廓并识别形状。 ```python # 假设已经完成了颜色检测，得到掩码 mask masked_image = cv2.bitwise_and(image, image, mask=mask) # 在掩码图像上查找轮廓 gray_masked = cv2.cvtColor(masked_image, cv2.COLOR_BGR2GRAY) contours, _ = cv2.findContours(gray_masked, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 使用形状检测器检测形状 for c in contours: shape = sd.detect(c) M = cv2.moments(c) if M["m00"] != 0: cX = int((M["m10"] / M["m00"])) cY = int((M["m01"] / M["m00"])) cv2.drawContours(image, [c], -1, (0, 255, 0), 2) cv2.putText(image, shape, (cX, cY), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2) ``` 此代码片段结合了颜色检测和形状识别的功能[^1]。 ###