采用opencv进行颜色识别有个好处就是他的框可以是具有角度的长方体框,不局限于平行点的
文章目录
- 颜色识别实现过程
- 1.调用摄像头、导入视频或读入照片
- 2.找出所需颜色对应的HSV阈值
- 3.找出二值化后的图片中的特征点并进行画框
- 完整代码
- 函数详解
- findContours()函数
- minAreaRect()函数
颜色识别实现过程
1.调用摄像头、导入视频或读入照片
- 调用摄像头
- 导入视频
- 读入照片
2.找出所需颜色对应的HSV阈值
- 通过HSV阈值分析器调节阈值,并写入color_dist中:
- 将图片进行HSV转换,并通过inRange函数对hsv图像进行处理,
3.找出二值化后的图片中的特征点并进行画框
完整代码
函数详解
findContours()函数
- 参数1:单通道图像矩阵,可以是灰度图,但更常用的是二值图像,一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像;
- 参数2:contours定义为“vector<vector>
contours”,是一个双重向量(向量内每个元素保存了一组由连续的Point构成的点的集合的向量),每一组点集就是一个轮廓,有多少轮廓,contours就有多少元素; - 参数3:hierarchy定义为“vector hierarchy”,Vec4i的定义:typedef Vec<int, 4> Vec4i;(向量内每个元素都包含了4个int型变量),所以从定义上看,hierarchy是一个向量,向量内每个元素都是一个包含4个int型的数组。向量hierarchy内的元素和轮廓向量contours内的元素是一一对应的,向量的容量相同。hierarchy内每个元素的4个int型变量是hierarchy[i][0] ~ hierarchy[i][3],分别表示当前轮廓 i 的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的编号索引。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓,则相应的hierarchy[i][*]被置为-1。
- 参数4:定义轮廓的检索模式,取值如下:
- 参数5:定义轮廓的近似方法,四种取值分别如下:
- 参数6:Point偏移量,所有的轮廓信息相对于原始图像对应点的偏移量,相当于在每一个检测出的轮廓点上加上该偏移量,并且Point还可以是负值!
minAreaRect()函数
OpenCV 中boundingRect、minAreaRect的用法区别