Python OpenCV基于颜色阈值的目标检测方法
发布时间：2026-10-12 |
1人浏览过
本文介绍利用Python和OpenCV进行颜色目标检测的方法。通过定义RGB颜色空间的上下限阈值，使用cv2.inRange生成掩膜，并结合cv2.bitwise_and提取特定颜色区域。文章提供完整代码示例，涵盖红、蓝、黄、灰等颜色的阈值设定及结果展示，帮助开发者快速实现基于颜色的图像定位。
颜色目标检测旨在依据物体颜色实现快速定位。借助cv2.inRange函数设定恰当的阈值范围，即可筛选出符合要求的检测目标。
创建项目文件colordetect.py，具体代码实现如下：
#! /usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np
import cv2
def colorDetect():
image = cv2.imread('./1.png')
# 使用RGB颜色空间检测红 蓝 黄 灰，设置合适的阈值
boundaries = [
([17, 15, 100], [50, 56, 200]),
([86, 31, 4], [220, 88, 50]),
([25, 146, 190], [62, 174, 250]),
([103, 86, 65], [145, 133, 128])
]
for lower, upper in boundaries:
lower = np.array(lower, dtype='uint8')
upper = np.array(upper, dtype='uint8')
# 低于lower和高于upper的像素为黑色，lower-upper之间的像素为白色
mask = cv2.inRange(image, lower, upper)
# 利用蒙版，进行图像的逻辑与运算
output = cv2.bitwise_and(image, image, mask=mask)
cv2.imshow('image', np.hstack([image, output]))
cv2.waitKey(0)
cv2.destroyAllWindows()
def main():
colorDetect()
if __name__ == "__main__":
main()
定义RGB颜色列表：
boundaries = [ ([17, 15, 100], [50, 56, 200]), ([86, 31, 4], [220, 88, 50]), ([25, 146, 190], [62, 174, 250]), ([103, 86, 65], [145, 133, 128]) ]
该部分([17, 15, 100], [50, 56, 200])，表示图像像素R>=100, B>=15, G>=15和R<=200, B<=56, G<=50的像素将视为红色。
执行代码，结果如下：
总结
检测图像颜色时，首要步骤是确定像素值的上限与下限。不同颜色空间对应的上下限数值有所差异。在定义好上下限后，调用cv2.inRange方法可返回一个掩膜（mask），将该掩膜与原图像进行逻辑与运算（bitwise_and），即可提取出目标颜色图像。
参考资料 https://www.pyimagesearch.com
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
