在前幾周的文章中已經(jīng)介紹過(guò)如何在核桃派上用OpenCV讀取圖像并顯示到pyqt5的窗口上，這里在上一篇文章的基礎(chǔ)上，給開發(fā)板加入顏色檢測(cè)功能，嘗試將圖像中所有藍(lán)色的東西都用一個(gè)框標(biāo)記出來(lái)。

顏色檢測(cè)核心api

按照慣例，先要介紹一下opencv中常用的hsv像素格式。顏色還是那個(gè)顏色，只是描述顏色用的參數(shù)變了。h代表色調(diào)，s代表飽和度，v代表明度，比使用rgb格式更方便計(jì)算與思考。

opencv中也提供了將rgb bgr等轉(zhuǎn)為hsv圖片的api：

hsvImage = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

cv2.inRange,給定一個(gè)要檢測(cè)的hsv顏色范圍，返回一張黑白圖。將hsv值在該范圍內(nèi)的像素點(diǎn)全部變?yōu)榘咨辉诘膭t為黑色。

import numpy as np
hsv_upper=np.array([125, 250, 250])
hsv_lower=np.array([95, 40, 40])
grayImage = cv2.inRange(hsvImage, hsv_lower, hsv_upper) # 顏色二值化

findContours,傳入黑白圖像，尋找所有輪廓。返回兩個(gè)列表，contours里是找到的所有輪廓，hierarchy是那些輪廓之間的相對(duì)位置關(guān)系

contours, hierarchy = cv2.findContours(grayImage, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

minAreaRect,傳入一個(gè)輪廓，計(jì)算最小外接矩形

# 畫最小外接矩形
for cts in contours :
  rect = cv2.minAreaRect(cts)

drawContours, 繪制輪廓

box = np.int0(cv2.boxPoints(rect)) 
  cv2.drawContours(rgbImage, [box], 0, (255, 0, 0), 2)

基本測(cè)試代碼

import cv2
from ui_main import Ui_MainWindow
import numpy as np


import PyQt5
from PyQt5.QtCore import *
from PyQt5.QtGui import *
from PyQt5.QtWidgets import *


# 修正qt的plugin路徑，因?yàn)槟承┏绦颍╟v2）會(huì)將其改到其他路徑
import os
os.environ['QT_QPA_PLATFORM_PLUGIN_PATH'] = os.path.dirname(PyQt5.__file__)




#【可選代碼】允許Thonny遠(yuǎn)程運(yùn)行
import os
os.environ["DISPLAY"] = ":0.0"


#【建議代碼】允許終端通過(guò)ctrl+c中斷窗口，方便調(diào)試
import signal
signal.signal(signal.SIGINT, signal.SIG_DFL)
timer = QTimer()
timer.start(100) # You may change this if you wish.
timer.timeout.connect(lambda: None) # Let the interpreter run each 100 ms


# 線程類
class Work(QThread):
  signal_update_label = pyqtSignal(QPixmap)
  label:QLabel
  def sloat_update_label( self, pixmap
    self.label.setPixmap(pixmap)


  def run(self):
    print("label.width()=", self.label.width())
    print("label.height()=", self.label.height())
    self.signal_update_label.connect(self.sloat_update_label)
    cap = cv2.VideoCapture(1)
    while True:
      ret, frame = cap.read()
      if ret:


        # 顏色轉(zhuǎn)換
        rgbImage = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        hsvImage = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        
        # 二值化
        hsv_upper=np.array([125, 250, 250])
        hsv_lower=np.array([95, 40, 40])
        grayImage = cv2.inRange(hsvImage, hsv_lower, hsv_upper) # 顏色二值化


        # 查找并繪制最小外接矩形
        contours, hierarchy = cv2.findContours(grayImage, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
        for cts in contours :
          rect = cv2.minAreaRect(cts) 
          box = np.int0(cv2.boxPoints(rect)) 
          cv2.drawContours(rgbImage, [box], 0, (255, 0, 0), 2)

由于攝像頭拍出來(lái)的噪點(diǎn)很多，而物體由于本身材質(zhì)反光導(dǎo)致拍出來(lái)也有一些部分的顏色變了。所以實(shí)際應(yīng)用時(shí)需要對(duì)圖像進(jìn)行一些濾波模糊化處理。或是直接對(duì)生成后的黑白圖像進(jìn)行一定膨脹與收縮。

再把各個(gè)參數(shù)做成pyqt窗口的選項(xiàng)，查看各項(xiàng)搭配后的效果，快速找到合適的參數(shù)選擇。

# 圖像縮小并轉(zhuǎn)換顏色格式
frame = cv2.resize(frame, (320, 240))
rgbImage = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
h, w, ch = rgbImage.shape


# 圖像模糊
if self.blur.flag :
 rgbImage = cv2.blur(rgbImage,(self.blur.num, self.blur.num))
if self.median.flag :
 rgbImage = cv2.medianBlur(rgbImage,self.median.num)
if self.gaussian.flag :
 rgbImage = cv2.GaussianBlur(rgbImage, (self.gaussian.num, self.gaussian.num), 0)


# 二值化
hsvImage = cv2.cvtColor(rgbImage, cv2.COLOR_RGB2HSV)
grayImage = cv2.inRange(hsvImage, np.array([self.hl.num, self.sl.num, self.vl.num]), np.array([self.hu.num, self.su.num, self.vu.num])) # 顏色二值化
        
# 圖像操作
if self.dilate.flag :
 grayImage = cv2.dilate(grayImage, np.ones((self.dilate.num, self.dilate.num), dtype=np.uint8), 1) # 膨脹
if self.erode.flag :
 grayImage = cv2.erode(grayImage, np.ones((self.erode.num, self.erode.num), dtype=np.uint8), 1) # 腐蝕


# 獲取中心點(diǎn)的顏色,畫上十字光標(biāo)
height, width = rgbImage.shape[:2]
center_y, center_x = height // 2, width // 2
color = tuple(map(int, rgbImage[center_y, center_x, :]))
cv2.line(rgbImage, (center_x, 0), (center_x, height-1), color, 3)
cv2.line(rgbImage, (0, center_y), (width-1, center_y), color, 3)


contours, hierarchy = cv2.findContours(grayImage, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)