python怎么判断图像是彩色还是灰色 python检测特定颜色的形状

想要实现用python读取小球颜色，可以使用 Python 和 OpenCV 来实现检测颜色的功能

安装 OpenCV，可以使用以下命令进行安装：pip install opencv-python

使用 OpenCV 的 cv2 模块读取图片，并使用颜色识别的方法来检测红绿灯。

下面是一个简单的例子，可以检测图片中的红绿小球：

import cv2
import numpy as np

# 读取图片
image = cv2.imread('1.jpg')

# 转换图片为 HSV 格式
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义红色范围
lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255])

# 定义绿色范围
lower_green = np.array([50, 50, 50])
upper_green = np.array([70, 255, 255])

# 根据范围提取红色和绿色区域
mask_red = cv2.inRange(hsv, lower_red, upper_red)
mask_green = cv2.inRange(hsv, lower_green, upper_green)

# 腐蚀和膨胀图像
mask_red = cv2.erode(mask_red, None, iterations=2)
mask_red = cv2.dilate(mask_red, None, iterations=2)
mask_green = cv2.erode(mask_green, None, iterations=2)
mask_green = cv2.dilate(mask_green, None, iterations=2)

# 在原图中标记红色和绿色区域
image[mask_red > 0] = (0, 0, 255)
image[mask_green > 0] = (0, 255, 0)

# 显示图片
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在 HSV 空间中，颜色的值很容易被提取出来，对于不同的颜色来说，我们可以定义一些范围来提取颜色。使用 cv2.inRange() 函数来提取红色和绿色的区域，并使用 cv2.erode() 和 cv2.dilate() 函数来腐蚀和膨胀图像，以便更好展示出来。

效果如下：感觉和原图也看不太出来。主要是红绿都绘制在上面了……

 

改下代码，让效果明显点可以使用 OpenCV 的 findContours() 函数来查找图像中的轮廓，然后使用 cv2.boundingRect() 函数来获取红绿灯的外接矩形，最后使用 cv2.putText() 函数在图像上显示文字。

import cv2
import numpy as np

# 读取图片
image = cv2.imread('1.png')

# 转换图片为 HSV 格式
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义红色范围
lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255])

# 定义绿色范围
lower_green = np.array([50, 50, 50])
upper_green = np.array([70, 255, 255])

# 根据范围提取红色和绿色区域
mask_red = cv2.inRange(hsv, lower_red, upper_red)
mask_green = cv2.inRange(hsv, lower_green, upper_green)

# 腐蚀和膨胀图像
mask_red = cv2.erode(mask_red, None, iterations=2)
mask_red = cv2.dilate(mask_red, None, iterations=2)
mask_green = cv2.erode(mask_green, None, iterations=2)
mask_green = cv2.dilate(mask_green, None, iterations=2)

# 查找红色和绿色区域的轮廓
cnts_red = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts_red = cnts_red[0] if len(cnts_red) == 2 else cnts_red[1]
cnts_green = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts_green = cnts_green[0] if len(cnts_green) == 2 else cnts_green[1]
for c in cnts_red:
    x, y, w, h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
    cv2.putText(image, 'Red', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)
    break

for c in cnts_green:
    x, y, w, h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
    cv2.putText(image, 'Green', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2)
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

修改后检测效果：

检测视频的效果：

 

要想检测视频可以使用 cv2.VideoCapture() 函数来创建视频流，然后使用 while 循环不断读取视频帧，并使用之前介绍的方法来检测红绿小球，在 while 循环中，使用 cv2.imshow() 函数来显示图像，并使用 cv2.waitKey() 函数来等待用户的输入。如果用户按下 q 键，就会退出循环。最后，使用 cap.release() 函数来释放视频流，并使用 cv2.destroyAllWindows() 函数来关闭所有的窗口。

import cv2
import numpy as np

# 创建 VideoCapture 对象
cap = cv2.VideoCapture('traffic_light.mp4')

# 循环读取视频帧
while True:
    # 读取视频帧
    ret, frame = cap.read()

    # 如果视频已结束，退出循环
    if not ret:
        break

    # 转换图片为 HSV 格式
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # 定义红色范围
    lower_red = np.array([0, 50, 50])
    upper_red = np.array([10, 255, 255])

    # 定义绿色范围
    lower_green = np.array([50, 50, 50])
    upper_green = np.array([70, 255, 255])

    # 根据范围提取红色和绿色区域
    mask_red = cv2.inRange(hsv, lower_red, upper_red)
    mask_green = cv2.inRange(hsv, lower_green, upper_green)

    # 腐蚀和膨胀图像
    mask_red = cv2.erode(mask_red, None, iterations=2)
    mask_red = cv2.dilate(mask_red, None, iterations=2)
    mask_green = cv2.erode(mask_green, None, iterations=2)
    mask_green = cv2.dilate(mask_green, None, iterations=2)

    # 查找红色和绿色区域的轮廓
    cnts_red = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)