opencv python 识别黑色

原创

mob649e8161c39d 2024-12-12 06:46:21 ©著作权

文章标签 OpenCV 灰度图 python 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob649e8161c39d的原创作品，请联系作者获取转载授权，否则将追究法律责任

使用 OpenCV 和 Python 识别黑色物体

在计算机视觉领域，颜色识别是一个常见且重要的任务。今天，我们将重点讨论如何使用 OpenCV 和 Python 识别图像中的黑色物体。OpenCV 是一个开源的计算机视觉库，提供了一系列强大的工具，用于图像处理和分析。

为什么选择黑色？

黑色物体在一些应用中可能非常重要，比如自动驾驶中的障碍物检测、安防监控中的入侵检测等。此外，识别黑色物体也能帮助我们在各种视觉识别任务中进一步过滤信息。

环境准备

在开始之前，你需要确保你的 Python 环境中已安装 OpenCV。可以通过以下命令安装：

pip install opencv-python
pip install opencv-python-headless

示例程序概述

我们将编写一个简单的程序来读取一张图像，识别其中的黑色物体，并将其标记出来。为了方便解释，我们将创建一个示例图像，包含一些黑色物体。

创建示例图像

首先，我们需要创建一个包含不同颜色和一部分黑色的简单图像，方便后续的处理。

import numpy as np
import cv2

# 创建一张空白图像
image = np.ones((400, 400, 3), dtype=np.uint8) * 255

# 在图像中绘制一些黑色形状
cv2.rectangle(image, (50, 50), (150, 150), (0, 0, 0), -1)  # 黑色矩形
cv2.circle(image, (300, 100), 50, (0, 0, 0), -1)            # 黑色圆形
cv2.putText(image, 'Black Shape', (150, 300), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 2)  # 黑色文字

# 保存为example.png
cv2.imwrite('example.png', image)

运行该代码后，你应该可以在当前目录下找到一张名为 example.png 的图像。接下来我们将使用此图像进行黑色物体的识别。

识别黑色物体

接下来我们编写代码来识别图像中的黑色物体。基于 BGR 色彩空间，黑色可以被定义为 BGR 值接近于 [0, 0, 0] 的像素。

代码示例

下面的代码将读取我们之前创建的图像，并识别出黑色地区。

# 读取图像
image = cv2.imread('example.png')

# 将图像转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 创建一个黑色的掩模
lower_black = np.array([0, 0, 0])
upper_black = np.array([50, 50, 50])  # 允许的黑色范围
mask = cv2.inRange(image, lower_black, upper_black)

# 找到黑色区域的轮廓
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在原图上绘制轮廓
for contour in contours:
    cv2.drawContours(image, [contour], -1, (0, 255, 0), 2)  # 用绿色绘制轮廓

# 显示结果图像
cv2.imshow('Detected Black Shapes', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码解析

读取图像 - 使用 cv2.imread 读取图像文件。
转换为灰度图 - 将图像转换为灰度图有助于进行边缘检测。
创建掩模 - 使用 cv2.inRange 来创建一个二值化的掩模，识别黑色下限和上限。
查找轮廓 - 利用 cv2.findContours 找到所有黑色区域的轮廓。
绘制轮廓 - 在原始图像上用绿色描绘出检测到的轮廓。

流程图

下图展示了整个识别过程的工作流程：

flowchart TD
    A[开始] --> B[读取输入图像]
    B --> C[转换为灰度图]
    C --> D[创建黑色掩模]
    D --> E[查找轮廓]
    E --> F[绘制轮廓]
    F --> G[显示结果图像]
    G --> H[结束]

旅行图

下面的图表示描述了我们在这个过程中所经历的旅行：

journey
    title 识别黑色物体的旅行
    section 准备阶段
      环境配置: 5: Me
      理解识别黑色的意义: 4: Me
    section 实现阶段
      创建示例图: 3: Me
      编写识别代码: 5: Me
      测试代码: 4: Me
    section 完成阶段
      看到结果: 5: Me
      学到了新知识: 4: Me