### 使用 OpenCV 实现图像中的形状、颜色和数量检测 要使用 OpenCV 进行图像处理并完成形状、颜色以及数量的识别，可以按照以下方法实现。此过程涉及边缘检测、轮廓提取、颜色分割等多个步骤。 #### 1. 图像预处理 为了更好地检测形状和颜色，通常需要对原始图像进行一些预处理操作。这可能包括灰度转换、高斯模糊以及其他滤波器的应用。 ```python import cv2 import numpy as np # 加载图像 image = cv2.imread('input_image.jpg') # 转换为灰度图 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 应用高斯模糊减少噪声 blurred = cv2.GaussianBlur(gray, (5, 5), 0) ``` #### 2. 边缘检测与轮廓提取 利用 Canny 边缘检测算法找到图像中的边界，并通过 `findContours` 函数提取这些边界的轮廓。 ```python # 使用Canny算子进行边缘检测 edges = cv2.Canny(blurred, 50, 150) # 查找轮廓 contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) ``` #### 3. 形状分类 对于每一个提取到的轮廓，可以通过其几何特性判断它属于哪种基本形状（圆形、三角形、矩形等）。这里主要依赖于轮廓近似函数 `approxPolyDP` 来简化复杂曲线。 ```python def detect_shape(cnt): perimeter = cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, 0.04 * perimeter, True) if len(approx) == 3: shape_name = "Triangle" elif len(approx) == 4: x, y, w, h = cv2.boundingRect(approx) aspect_ratio = float(w)/h if 0.95 <= aspect_ratio <= 1.05: shape_name = "Square" else: shape_name = "Rectangle" elif len(approx) >= 5 and len(approx) <= 8: shape_name = "Circle" # 可能是椭圆或其他多边形 else: shape_name = "Unknown" return shape_name ``` #### 4. 颜色分离 基于 HSV 或 LAB 颜色空间模型，能够更有效地区分不同色彩区域。先将 BGR 格式的像素值转成 HSV 表达形式，再设定阈值得到特定色调范围内的掩码。 ```python # 将BGR格式转化为HSV模式 hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 定义蓝色的颜色区间(可以根据需求调整参数) lower_blue = np.array([110, 50, 50]) upper_blue = np.array([130, 255, 255]) mask = cv2.inRange(hsv_img, lower_blue, upper_blue) blue_res = cv2.bitwise_and(image, image, mask=mask) ``` #### 5. 统计分析 最后一步就是遍历所有的轮廓对象，调用前面定义好的辅助功能分别获取它们对应的类别标签及其属性信息；同时累加统计总数目以便后续展示出来。 ```python shapes_count = {"Triangle": 0, "Square": 0, "Rectangle": 0, "Circle": 0} for cnt in contours: shape_type = detect_shape(cnt) M = cv2.moments(cnt) if M['m00'] != 0.0: cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) color_info = blue_res[cy][cx] if any(color_info): # 如果该位置存在指定颜色，则计入相应种类的数量 shapes_count[shape_type] += 1 print(shapes_count) ``` 以上代码片段展示了如何综合运用多种技术手段达成目标——即自动解析给定场景下的物体特征[^1]^。值得注意的是，在实际部署过程中还需要考虑更多细节问题比如光照变化影响等因素的影响[^2]^。