### 使用Python和OpenCV检测图像中的黄色区域 为了实现这一功能，可以采用颜色阈值法，在HSV色彩空间中定义黄色的范围，并通过掩码提取对应的颜色区域。接着利用轮廓查找技术定位这些区域并记录它们的像素坐标。 #### 代码示例 ```python import cv2 import numpy as np # 加载图像 image_path = 'example_image.jpg' img = cv2.imread(image_path) if img is None: print("Error: 图像无法加载") else: # 获取图像尺寸 height, width = img.shape[:2] # 将图像从BGR转换为HSV色彩空间 hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 定义黄色的HSV范围 lower_yellow = np.array([20, 100, 100]) upper_yellow = np.array([30, 255, 255]) # 创建黄色的掩码 mask_yellow = cv2.inRange(hsv_img, lower_yellow, upper_yellow) # 查找黄色区域的轮廓 contours_yellow, _ = cv2.findContours(mask_yellow, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours_yellow: moments = cv2.moments(cnt) if moments["m00"] != 0: cx = int(moments['m10'] / moments['m00']) # 质心x坐标 cy = int(moments['m01'] / moments['m00']) # 质心y坐标 # 打印黄色区域中心坐标 print(f"黄色区域中心坐标: ({cx}, {cy})") # 显示结果（可选） result = img.copy() cv2.drawContours(result, contours_yellow, -1, (0, 255, 255), 2) # 绘制黄色区域边界 cv2.imshow("Detected Yellow Regions", result) cv2.waitKey(0) cv2.destroyAllWindows() ``` --- #### 解释 - **图像预处理**: 首先将图像从BGR色彩空间转换为HSV色彩空间[^1]，因为HSV更适合基于色调(Hue)、饱和度(Saturation)和亮度(Value)来分离特定颜色。 - **颜色范围设定**: 设定黄色在HSV空间中的上下限[^2]。通常情况下，黄色的Hue值位于大约20到30之间。 - **掩码生成**: 使用`cv2.inRange()`函数根据设定的颜色范围生成二值掩码[^3]。 - **轮廓查找**: 应用`cv2.findContours()`找到掩码中标记的目标区域轮廓[^4]。 - **质心计算**: 计算每个轮廓的几何矩以获得该区域的重心位置作为代表点[^5]。 --- #### 注意事项 - 黄色的HSV范围可能因具体场景而异，建议根据实际需求微调`lower_yellow`和`upper_yellow`参数。 - 如果需要更高的精度，可以在生成掩码后应用形态学操作（如腐蚀和膨胀），去除噪声干扰[^6]。 ---