这篇文章主要为大家详细介绍了基于Opencv实现颜色识别，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
彩色模型
数字图像处理中常用的采用模型是RGB（红，绿，蓝）模型和HSV（色调，饱和度，亮度），RGB广泛应用于彩色监视器和彩色视频摄像机，我们平时的图片一般都是RGB模型。而HSV模型更符合人描述和解释颜色的方式，HSV的彩色描述对人来说是自然且非常直观的。
HSV模型
HSV模型中颜色的参数分别是：色调（H：hue），饱和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。
(1)色调（H：hue）：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；
(2)饱和度（S：saturation）：取值范围为0.0～1.0，值越大，颜色越饱和。
(3)亮度（V：value）：取值范围为0(黑色)～255(白色）
RGB转成HSV
设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设 max 等价于 r, g 和 b 中的最大者。设 min 等于这些值中的最小者。要找到在 HSV 空间中的 (h, s, v) 值，这里的 h ∈ [0, 360）是角度的色相角，而 s, v ∈ [0,1] 是饱和度和亮度，方法如下：
max=max(R,G,B)
min=min(R,G,B)
if R = max, H = (G-B)/(max-min)
if G = max, H = 2 + (B-R)/(max-min)
if B = max, H = 4 + (R-G)/(max-min)
H = H * 60
if H <0, H = H + 360
- V=max(R,G,B)
- S=(max-min)/max
OpenCV下有个函数可以直接将RGB模型转换为HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我们知道H分量基本能表示一个物体的颜色，但是S和V的取值也要在一定范围内，因为S代表的是H所表示的那个颜色和白色的混合程度，也就说S越小，颜色越发白，也就是越浅；V代表的是H所表示的那个颜色和黑色的混合程度，也就说V越小，颜色越发黑。经过实验，识别蓝色的取值是 H在100到140，S和V都在90到255之间。一些基本的颜色H的取值可以如下设置：
Orange 0-22，Yellow 22- 38，Green 38-75，Blue 75-130，Violet 130-160，Red 160-179
具体实现
（1） 读取一张图片
cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);
（2）将彩色图像均衡化
split(imgHSV, hsvSplit); equalizeHist(hsvSplit[2],hsvSplit[2]); merge(hsvSplit,imgHSV);
（3）检测颜色
inRange(imgHSV, Scalar(iLowH, i<mark style="color:transparent">来源gaodaimacom搞#^代%!码网</mark>LowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);
（4）进行开操作和闭操作，去除噪声的影响。
Mat element = getStructuringElement(MORPH_RECT, Size(5, 5)); morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element); morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
代码：
#include #include #include using namespace cv; using namespace std; //入口主函数 int main(int argc, char** argv) { //打开摄像头，从摄像头获取图像 VideoCapture cap(0); if (!cap.isOpened()) { cout << "Cannot open the web cam"<<endl; return -1; } //创建窗口 namedWindow("Control",CV_WINDOW_AUTOSIZE); int iLowH = 100; int iHighH = 140; int iLowS = 90; int iHighS = 255; int iLowV = 90; int iHighV = 255; //创建进度条 cvCreateTrackbar("LowH","Control",&iLowH,179); cvCreateTrackbar("HighH", "Control", &iHighH,179); cvCreateTrackbar("LowS", "Control", &iLowS,255); cvCreateTrackbar("Highs", "Control", &iHighS,255); cvCreateTrackbar("LowV", "Control", &iLowV,255); cvCreateTrackbar("HighV", "Control", &iHighV,255); //while循环加载图片 while (true) { Mat imgOriginal; bool bSuccess = cap.read(imgOriginal); if (!bSuccess) { cout << "Cannot read a frame from video stream" << endl; break; } // Mat imgHSV; vector hsvSplit; cvtColor(imgOriginal,imgHSV,COLOR_BGR2HSV); //转化成直方图均衡化 split(imgHSV,hsvSplit); equalizeHist(hsvSplit[2],hsvSplit[2]); merge(hsvSplit,imgHSV); Mat imgThresholded; //确定颜色显示的范围 inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,iHighV),imgThresholded); //去除噪点 Mat element = getStructuringElement(MORPH_RECT,Size(5,5)); morphologyEx(imgThresholded,imgThresholded,MORPH_OPEN,element); //连接连通域 morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element); imshow("Thresholded Image",imgThresholded); imshow("Original",imgOriginal); //等待时间 char Key = (char)waitKey(300); if (Key==27) { break; } } return 0; }
以上就是基于Opencv实现颜色识别的详细内容，更多请关注gaodaima搞代码网其它相关文章！
转载请注明原文链接：基于Opencv实现颜色识别
