使用Python和OpenCV库实现实时颜色识别系统
更新时间：2025年06月16日 11:13:12 作者：E-An居士
这篇文章主要介绍了使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色（红、黄、绿、蓝）,这种技术在机器人视觉、自动化检测和交互式应用中有着广泛的应用前景,需要的朋友可以参考下
一、引言
今天我将介绍一个使用Python和OpenCV库实现的实时颜色识别系统。这个系统能够通过摄像头捕捉视频流，并在视频中指定区域内识别主要颜色（红、黄、绿、蓝）。这种技术在机器人视觉、自动化检测和交互式应用中有着广泛的应用前景。
二、系统概述
该系统主要包含以下几个功能：
- 实时视频捕捉
- 在视频帧中划定特定检测区域
- 将检测区域转换为HSV色彩空间
- 分析区域内的色调(H)值
- 根据H值范围判断颜色类型
- 实时显示结果
三、代码解析
1. 导入库
import cv2
我们只需要导入OpenCV库，它提供了强大的计算机视觉功能，包括图像处理和视频捕捉。
2. 颜色识别函数
def get_color(img):
H = []
color_name = None
img = cv2.resize(img,(640,400),)
# 将彩色图转换为HSV
HSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
# 画矩形框
cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)
# 依次取出每行每列的H，S,V值放入容器中
for i in range(280,360):
for j in range(180,260): H.append(HSV[j,i][0])
# 分别计算出H,S,V的最大最小
H_min = min(H);H_max = max(H)
# 判断颜色
if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180: color_name='red'
elif H_min >= 26 and H_max <= 34 : color_name='yellow'
elif H_min >= 35 and H_max <= 77 : color_name='green'
elif H_min >= 100 and H_max <= 124 : color_name='blue'
print(color_name)
return img,color_name
函数功能详解：
图像预处理：
- 首先将输入图像调整为固定尺寸(640×400)，确保处理一致性
色彩空间转换：
- 将BGR格式转换为HSV格式，HSV色彩空间更适合颜色识别
- H(色调)：表示颜色类型
- S(饱和度)：表示颜色的纯度
- V(亮度)：表示颜色的明暗程度
检测区域标记：
- 在图像上绘制一个绿色矩形框(280,180)到(360,260)，标识检测区域
数据采集：
- 遍历检测区域内每个像素点，收集所有H值
颜色判断：
- 计算区域内H值的最小和最大值
- 根据H值范围判断颜色：
- 红色：0-10或156-180
- 黄色：26-34
- 绿色：35-77
- 蓝色：100-124
3. 主程序循环
cap = cv2.VideoCapture(0)
while 1:
_,frame=cap.read()
img,cal = get_color(frame)
cv2.imshow('',img)
if cv2.waitKey(1) == 27:
break
视频捕捉初始化：
- 创建VideoCapture对象，参数0表示使用默认摄像头
主循环：
- 不断读取视频帧
- 调用get_color函数处理每一帧
- 显示处理后的图像
- 按ESC键(ASCII 27)退出程序
四、HSV色彩空间详解
为什么选择HSV而不是RGB进行颜色识别？
RGB的局限性：
- RGB三个通道都与亮度相关
- 对光照变化敏感
- 颜色判断需要同时考虑三个通道
HSV的优势：
- 将颜色信息(H)与亮度(V)、饱和度(S)分离
- 对光照变化有一定鲁棒性
- 颜色判断主要依据H通道
五、颜色范围设定
OpenCV中HSV的范围：
- H: 0-180 (通常色彩空间为0-360，但OpenCV使用8位存储，所以除以2)
- S: 0-255
- V: 0-255
常见颜色H值范围：
- 红色：0-10和170-180
- 橙色：11-25
- 黄色：26-34
- 绿色：35-77
- 蓝色：100-124
- 紫色：125-155
可对比如下的颜色范围图
六、系统优化建议
增加饱和度(S)和亮度(V)的过滤：
- 可以排除低饱和度(接近灰色)或低亮度(接近黑色)的区域
使用均值而非极值：
- 当前使用min/max容易受噪声影响，可改为计算平均值
扩大检测区域：
- 当前区域较小(80×80像素)，可以适当扩大
添加更多颜色识别：
- 如橙色、紫色等
优化性能：
- 当前双重循环效率不高，可以使用NumPy进行向量化操作
七、完整代码
import cv2
def get_color(img):
H = []
color_name = None
img = cv2.resize(img,(640,400),)
# 将彩色图转换为HSV
HSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
# 画矩形框
cv2.rectangle(img,(280,180),(360,260),(0,255,0),2)
# 依次取出每行每列的H，S,V值放入容器中
for i in range(280,360):
for j in range(180,260): H.append(HSV[j,i][0])
# 分别计算出H,S,V的最大最小
H_min = min(H);H_max = max(H)
# 判断颜色
if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180: color_name='red'
elif H_min >= 26 and H_max <= 34 : color_name='yellow'
elif H_min >= 35 and H_max <= 77 : color_name='green'
elif H_min >= 100 and H_max <= 124 : color_name='blue'
print(color_name)
return img,color_name
cap = cv2.VideoCapture(0)
while 1:
_,frame=cap.read()
img,cal = get_color(frame)
cv2.imshow('',img)
if cv2.waitKey(1) == 27:
break
八、总结
本文介绍了一个基于OpenCV的实时颜色识别系统，通过HSV色彩空间转换和色调范围判断实现了基本颜色识别功能。该系统可以作为更复杂计算机视觉项目的基础，通过进一步优化和扩展，能够满足各种实际应用需求。
以上就是使用Python和OpenCV库实现实时颜色识别系统的详细内容，更多关于Python OpenCV实时颜色识别的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了【Python从零到壹】python爬虫系列-网络请求，从零开始学习Python网络爬虫，如何从中获取需要的数据信息，现整理出零基础如何学爬虫技术以供学习2021-04-04
这篇文章主要为大家详细介绍了python如何使用opencv2和PIL实现将图片透明背景转换成白色背景功能,感兴趣的小伙伴可以跟随小编一起学习一下2025-05-05
前段时间看到有人问如何使用Python实现多张图片组成文字的效果？觉得还挺有意思，于是尝试做了一下，刚好赶上端午节，所以打算从网上下载1000张王心凌的照片，组成端午安康的字样，感兴趣的可以了解一下2022-06-06
这篇文章主要介绍了python常用命令行选项与环境变量，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2020-02-02
矩阵图即用一张图绘制多个变量之间的关系，数据挖掘中常用于初期数据探索。本文介绍python中seaborn.pairplot和seaborn.PairGrid绘制矩阵图，需要的可以参考一下2022-02-02
这篇文章主要介绍了详解Python collections工具库的相关资料，文中讲解非常细致，代码帮助大家更好的理解和学习，感兴趣的朋友可以了解下2020-07-07
这篇文章主要介绍了关于keras中的Reshape用法，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-07-07
首先需要明确的一点是GIL并不是Python的特性,它是在实现Python解析器(CPython)时所引入的一个概念,下面这篇文章主要给大家介绍了关于对Python中GIL的一点理解,文中通过示例代码介绍的非常详细,需要的朋友可以参考下2022-05-05
如果你需要在 Python 里进行文件处理,那么标准库中的os和os.path兄弟俩一定是你无法避开的两个模块,本文主要来和大家聊聊如何使用pathlib库实现优雅的处理路径,感兴趣的可以了解下2023-12-12
这篇文章主要介绍了django 开发忘记密码通过邮箱找回功能示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-04-04
最新评论