0、项目介绍

本次项目要完成的是对物体颜色的识别并框选，有如下功能：

（1）准确对颜色进行较大范围框选，统一使用绿色边界框显示。

（2）识别物体内部的颜色边缘轮廓，以白色为边缘，对物体的框选更加细致。

（3）可以对自己感兴趣的颜色进行识别选择，不想要的颜色不会被识别。

（4）在窗口中的边框旁打印上颜色对应的英文字母。

（5）如果发现效果不是很好，请耐心调试Color_trackbar.py文件。

1、效果展示

2、项目搭建

——22 Color box identification——bgr_detector.py——Color_trackbar.py——test.py

按照如上所示，新建文件即可。

3、项目代码展示与部分讲解

这里我来讲解一下，这三个文件该怎么用，我这里就少讲原理了。（写着有点累，我想大家应该有这个能力看懂这个代码）。

Color_trackbar.py

import cv2
import numpy as np
from bgr_detector import BGR,emptypath = 'test.png'cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,250)
cv2.createTrackbar("Hue Min","TrackBars",0,179,empty)
cv2.createTrackbar("Hue Max","TrackBars",19,179,empty)
cv2.createTrackbar("Sat Min","TrackBars",110,255,empty)
cv2.createTrackbar("Sat Max","TrackBars",240,255,empty)
cv2.createTrackbar("Val Min","TrackBars",153,255,empty)
cv2.createTrackbar("Val Max","TrackBars",255,255,empty)while True:img = cv2.imread(path)bgr = BGR(img)#图像转化为HSV格式，H:色调S:饱和度V:明度imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)#获取轨迹栏位h_min = cv2.getTrackbarPos("Hue Min","TrackBars")h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")v_min = cv2.getTrackbarPos("Val Min", "TrackBars")v_max = cv2.getTrackbarPos("Val Max", "TrackBars")print(h_min,h_max,s_min,s_max,v_min,v_max)#创建一个蒙版，提取需要的颜色为白色，不需要的颜色为白色lower = np.array([h_min,s_min,v_min])upper = np.array([h_max,s_max,v_max])mask = cv2.inRange(imgHSV,lower,upper)imgResult = cv2.bitwise_and(img,img,mask=mask)imgStack = bgr.stackImages(0.5,([img,imgHSV],[mask,imgResult]))#定义比例尺cv2.imshow("Stacked Images", imgStack)if cv2.waitKey(1) & 0xFF == 27:break

运行此文件，test.png文件为你需要检测的物体照片，这里我用的是以前的一个素材，你自行替换掉你需要识别的物体照片即可。

它会弹出这样的界面，你只需要自己不断的去拖拽左边的轨迹栏，然后将你想要识别的颜色单独识别出来即可，在下方的控制面板中，将里面的内容复制一行，记住是你成功识别后的内容。

如果你调来调去，效果不是很好，请你耐心一点，当然根据我的检测，使用你想要识别物体的照片，对后面的识别效果越好。

bgr_detector.py

import cv2
import numpy as npclass BGR():def __init__(self,img,scale=0.7):self.img=imgself.scale=scaleself.imgResult=img.copy()self.myColors = [[5, 107, 0, 19, 255, 255],[57, 76, 0, 100, 255, 255],[95, 78, 202, 128, 255, 255]]self.myColorValues = [[51, 153, 255],  ## BGR[0, 255, 0],    # https://www.rapidtables.org/zh-CN/web/color/RGB_Color.html[255, 0, 0]]self.objectColor=["Orange","Green","Blue"]def stackImages(self,scale,imgArray):rows = len(imgArray)cols = len(imgArray[0])rowsAvailable = isinstance(imgArray[0], list)width = imgArray[0][0].shape[1]height = imgArray[0][0].shape[0]if rowsAvailable:for x in range ( 0, rows):for y in range(0, cols):if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, self.scale, self.scale)else:imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, self.scale, self.scale)if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)imageBlank = np.zeros((height, width, 3), np.uint8)hor = [imageBlank]*rowshor_con = [imageBlank]*rowsfor x in range(0, rows):hor[x] = np.hstack(imgArray[x])ver = np.vstack(hor)else:for x in range(0, rows):if imgArray[x].shape[:2] == imgArray[0].shape[:2]:imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)else:imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)hor= np.hstack(imgArray)ver = horreturn verdef getContours(self,img, minArea=500):contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)x, y, w, h = 0, 0, 0, 0for cnt in contours:area = cv2.contourArea(cnt)if area > minArea:cv2.drawContours(self.imgResult, cnt, -1, (255, 255, 255), 3)peri = cv2.arcLength(cnt, True)approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)x, y, w, h = cv2.boundingRect(approx)cv2.rectangle(self.imgResult, (x, y), (x + w, y + h), (0, 255, 0), 2)return x + w // 2, y,w,hdef findColor(self,img):imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)count = 0for color in self.myColors:lower = np.array(color[0:3])upper = np.array(color[3:6])mask = cv2.inRange(imgHSV, lower, upper)x,y,w,h=self.getContours(mask)cv2.putText(self.imgResult, self.objectColor[count],(x + (w // 2) - 10, y + (h // 2) - 10), cv2.FONT_HERSHEY_COMPLEX, 0.7,(0, 0, 255), 2)count += 1return self.imgResultdef empty(ways):pass

此文件无需运行，这是一个类文件，你需要修改的地方在初始化中，将之前你复制的内容粘贴到self.myColors的列表中，然后在self.myColorValues的旁边有一个注释，内容为一个RGB网址，点击进入。记住，在上面是你想要的颜色，下面的BGR就是什么颜色。

这里的值是RGB值，你需要自己改成BGR值。

为了有些同学还是不能理解我的意思，你可以看看这里我给的注释。

self.myColors=[[橙色的HSV值],

                        [紫色的HSV值],

                        [绿色的HSV值],

                        [蓝色的HSV值]]

self.myColorValues=[[橙色的BGR值],

                                [紫色的BGR值],

                                [绿色的BGR值],

                                [蓝色的BGR值]] #网址中获得的是RGB值，手动改为BGR.

self.objectColor=["Orange","Purple","Green","Blue"] #按顺序来.

以上就是你需要修改的地方，很详细了。

test.py

import cv2
import numpy as np
from bgr_detector import BGRframeWidth = 640
frameHeight = 480
cap = cv2.VideoCapture(0)
cap.set(3, frameWidth)
cap.set(4, frameHeight)
cap.set(10,150)myPoints =  []  ## [x , y , colorId ]while True:success, img = cap.read()bgr = BGR(img)imgResult=bgr.findColor(img)imgStack = bgr.stackImages(0.8, ([img, imgResult]))cv2.imshow("Result", imgStack)if cv2.waitKey(1) & 0xFF == 27:break

这里就是你的测试文件，可以看到代码行数很少，这就是使用类文件的好处。

4、项目资源

GitHub:22 物体颜色识别并框选

5、项目总结

我觉得本次项目挺有意思的，说实话项目22本来不是颜色识别的，这个是我室友他的项目上需要完成这样一个功能，然后我就花了一下午帮他做了做，效果的实现非常不错，用在比较单一背景下的物体追踪识别什么的，挺有研究意义的。最开始我还参考过其他博主对于RGB颜色的识别和框选，效果什么的我感觉不是很好，而且他们使用的方法与我最初想的一种思路有很大的接近，即是对某一感兴趣的颜色，将其临近的RGB值考虑到，实际上不是很靠谱，因为我们不知道三个值（‘R’、‘G’、‘B’）的组合会出现什么颜色，细微的改变可能变化肉眼是看不出来的，红色还是红色，像之前考虑的临近值，颜色可能是粉色或紫色，而你还是识别的红色。当然在我这里，我用到的方法是用HSV值来进行颜色检测，采用轨迹栏作为调色板，进行颜色的提取，然后将其对应的BGR值打印出来，有选择性。

偷偷给你们说一句，不要用黑色，识别时将我的头发识别的框和文字到处都是，巨搞笑。

还有一点就是，我发现环境的亮度对于颜色的识别也是有一点点的影响的。