识别信号灯

需要识别交通信号灯的颜色（红、黄、绿）。请设计一个简化的流程，说明如何使用OpenCV来识别交通信号灯的颜色。
思路分析‌：
1.读取包含交通信号灯的图像。
2.转换图像到HSV颜色空间。
3.分别为红、黄、绿三种颜色定义HSV范围，并创建三个掩膜。
4.对每个掩膜进行轮廓检测，识别出可能的信号灯区域。

python">import cv2
import numpy as np
import matplotlib.pyplot as pltlamp = cv2.imread("deng.png")
lamp_hsv = cv2.cvtColor(lamp, cv2.COLOR_BGR2HSV)g_min = np.array([35,43,46])
g_max = np.array([77,255,255])
lamp_gmask = cv2.inRange(lamp_hsv, g_min, g_max)
lamp_gmask = cv2.erode(lamp_gmask, None, iterations=1)
lamp_gmask = cv2.dilate(lamp_gmask, None, iterations=10)y_min = np.array([8,43,46])
y_max = np.array([20,255,255])
lamp_ymask = cv2.inRange(lamp_hsv, y_min, y_max)
lamp_ymask = cv2.erode(lamp_ymask, None, iterations=1)
lamp_ymask = cv2.dilate(lamp_ymask, None, iterations=10)r_min = np.array([155,0,0])
r_max = np.array([170,255,255])
lamp_rmask = cv2.inRange(lamp_hsv, r_min, r_max)
lamp_rmask = cv2.erode(lamp_rmask, None, iterations=1)
lamp_rmask = cv2.dilate(lamp_rmask, None, iterations=10)result = cv2.bitwise_and(lamp, lamp, mask=lamp_rmask)cv2.imshow("result", result)
cv2.waitKey(0)

识别图案并且标记面积和周长

1.将图像转换为灰度图
2.对灰度图进行二值化处理
3.使用形态学变换去除噪声【开运算】
4.检测图像中的边缘
5.查找并绘制图像中的轮廓
6.逐一遍历轮廓，输出所有四边形的周长 和 面积。

python">import cv2
# 读取图像
image = cv2.imread('02.png')
# 转换为灰度图
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 使用阈值化方法进行二值化
_, binary_image = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)
# 定义结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))# 开运算
opening = cv2.morphologyEx(binary_image, cv2.MORPH_OPEN, kernel)
# 使用Canny边缘检测
edges = cv2.Canny(opening, 100, 200)
# 查找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)for contour in contours:# 近似轮廓为多边形epsilon = 0.02 * cv2.arcLength(contour, True)approx = cv2.approxPolyDP(contour, epsilon, True)# 如果近似的多边形有四个顶点，则认为是四边形if len(approx) == 4:# 计算周长perimeter = cv2.arcLength(contour, True)# 计算面积area = cv2.contourArea(contour)# 在图像上显示周长和面积x, y, w, h = cv2.boundingRect(contour)cv2.putText(image, f': {perimeter:.2f}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)cv2.imshow('Contours', image)   
cv2.waitKey(0)