基于颜色特性的目标检测方法基于颜色特性的目标检测方法

1.目标识别与定位对基于视觉的机械臂控制来说，机器人视觉是一个非常重要的部分。机器人只有在视觉的指引下，才能获取目标的正确信息，从而控制机械臂完成指定任务。视觉系统必须在标定的基础上，识别和跟踪目标对象的位置和姿态。
在图像中识别目标对象可以基于三个不同的属性，即颜色，纹理，形状。颜色特性是运用最广泛，最容易学习与实现的方式，因此接下来采用基于颜色的物体识别方式。
2.实现方式通过OpenCV的Python接口来实现物体的颜色特性识别。通过提取目标物体的颜色信息进行HSV阈值分割，得到目标物体的三维坐标。

文章图片
HSV介绍颜色空间转换基于彩色图像分割的方法识别目标时，要选择合适的颜色空间，常见的颜色空间有RGB，HSV,CMY等。HSV模型可以在一定程度上避免RGB模型的高分散性和高相关性所带来的阈值划分问题。所以接下来的代码是采用HSV颜色空间进行目标识别，RGB到HSV的转换公式是：

文章图片
RGB2HSV
当然，opencv自身以及集成了各种颜色空间的转换函数，所以在接下来的代码中只需调用其函数即可。
3.捕获目标代码

运行环境

Python3.6.5

Pycharm

win10

import cv2 import numpy as npcapture = cv2.VideoCapture(0) lower_blue = np.array([90, 110, 110]) upper_blue = np.array([140, 255, 255]) # 确定目标物体的HSV范围此范围为蓝色 while(True):ret, frame = capture.read()hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)mask = cv2.inRange(hsv, lower_blue, upper_blue)res = cv2.bitwise_and(frame, frame, mask=mask) cv2.imshow('frame', frame) cv2.imshow('mask', mask) cv2.imshow('res', res) if cv2.waitKey(1) == ord('q'): break

实现效果

文章图片
原图

文章图片
处理后图像 4.锁定目标，并获取目标质心代码

from collections import deque import numpy as np import cv2 import timeLower = np.array([100, 43, 46]) Upper = np.array([130, 255, 255]) # 定义目标颜色HSV的范围mybuffer = 64 pts = deque(maxlen=mybuffer) camera = cv2.VideoCapture(0) time.sleep(2)while True: (ret, frame) = camera.read() if not ret: print('No Camera') break # frame = imutils.resize(frame, width=600) hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 根据阈值构建掩膜 mask = cv2.inRange(hsv, Lower, Upper) # 腐蚀操作 mask = cv2.erode(mask, None, iterations=2) # 膨胀操作，其实先腐蚀再膨胀的效果是开运算，去除噪点 mask = cv2.dilate(mask, None, iterations=2) # 轮廓检测 cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] # 初始化目标轮廓质心 center = None # 如果存在轮廓 if len(cnts) > 0: # 找到面积最大的轮廓 c = max(cnts, key=cv2.contourArea) # 确定面积最大的轮廓的外接圆 ((x, y), radius) = cv2.minEnclosingCircle(c) # 计算轮廓的矩 M = cv2.moments(c) # 计算质心 center = (int(M["m10"]/M["m00"]), int(M["m01"]/M["m00"]))if 80 > radius > 20: cv2.circle(frame, (int(x), int(y)), int(radius), (0, 255, 255), 2) cv2.circle(frame, center, 5, (0, 0, 255), -1) # 把质心添加到pts中，并且是添加到列表左侧 pts.appendleft(center)cv2.imshow('Frame', frame) # 键盘检测，检测到esc键退出 k = cv2.waitKey(5)&0xFF if k == 27: break # 摄像头释放 camera.release() # 销毁所有窗口 cv2.destroyAllWindows()

关于图像处理的膨胀和腐蚀操作：膨胀就是求局部最大值的操作，相反，腐蚀是求局部最小值的操作。
具体可参考这个Python+OpenCV教程12：腐蚀与膨胀
先腐蚀后膨胀会分离物体，所以叫开运算，常用来去除小区域物体;
先膨胀后腐蚀会消除物体内的小洞，所以叫闭运算。
注意：腐蚀和膨胀是针对图片中的白色部分！