在核桃派上实现USB摄像头的OpenCV颜色检测

在前几周的文章中已经介绍过如何在核桃派上用OpenCV读取图像并显示到pyqt5的窗口上，这里在上一篇文章的基础上，给开发板加入颜色检测功能，尝试将图像中所有蓝色的东西都用一个框标记出来。

颜色检测核心api

按照惯例，先要介绍一下opencv中常用的hsv像素格式。颜色还是那个颜色，只是描述颜色用的参数变了。h代表色调，s代表饱和度，v代表明度，比使用rgb格式更方便计算与思考。

opencv中也提供了将rgb bgr等转为hsv图片的api：

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

cv2.inRange,给定一个要检测的hsv颜色范围，返回一张黑白图。将hsv值在该范围内的像素点全部变为白色，不在的则为黑色。

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) # 颜色二值化

findContours,传入黑白图像，寻找所有轮廓。返回两个列表，contours里是找到的所有轮廓，hierarchy是那些轮廓之间的相对位置关系

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

minAreaRect,传入一个轮廓，计算最小外接矩形

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

drawContours, 绘制轮廓

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

基本测试代码

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路径，因为某些程序（cv2）会将其改到其他路径
import os
os.environ['QT_QPA_PLATFORM_PLUGIN_PATH'] = os.path.dirname(PyQt5.__file__)




#【可选代码】允许Thonny远程运行
import os
os.environ["DISPLAY"] = ":0.0"


#【建议代码】允许终端通过ctrl+c中断窗口，方便调试
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


# 线程类
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:


        # 颜色转换
        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) # 颜色二值化


        # 查找并绘制最小外接矩形
        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)

由于摄像头拍出来的噪点很多，而物体由于本身材质反光导致拍出来也有一些部分的颜色变了。所以实际应用时需要对图像进行一些滤波模糊化处理。或是直接对生成后的黑白图像进行一定膨胀与收缩。

再把各个参数做成pyqt窗口的选项，查看各项搭配后的效果，快速找到合适的参数选择。

# 图像缩小并转换颜色格式
frame = cv2.resize(frame, (320, 240))
rgbImage = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
h, w, ch = rgbImage.shape


# 图像模糊
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])) # 颜色二值化
        
# 图像操作
if self.dilate.flag :
 grayImage = cv2.dilate(grayImage, np.ones((self.dilate.num, self.dilate.num), dtype=np.uint8), 1) # 膨胀
if self.erode.flag :
 grayImage = cv2.erode(grayImage, np.ones((self.erode.num, self.erode.num), dtype=np.uint8), 1) # 腐蚀


# 获取中心点的颜色,画上十字光标
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)

审核编辑：汤梓红