实用指南：计算机视觉（opencv）—

实用指南：计算机视觉（opencv）——实时颜色检测

news/2025/11/12 10:36:30/文章来源:https://www.cnblogs.com/gccbuaa/p/19212823

基于OpenCV的实时颜色检测系统原理与实现

一、引言

在计算机视觉（Computer Vision）领域中，颜色检测是最基础、最常见的视觉任务之一。无论是在工业视觉检测、交通信号识别、智能家居、人机交互，还是在机器人感知系统中，识别不同颜色的物体都具有重要意义。

本文通过一段基于 OpenCV 的 Python 代码，介绍了如何使用摄像头实时捕获视频帧，并利用 HSV（Hue, Saturation, Value）颜色空间对画面中指定区域的颜色进行检测和识别。整个系统实现了对红色、黄色、绿色和蓝色等常见颜色的实时识别，并在屏幕上绘制出检测区域进行可视化反馈。

二、系统原理概述

颜色识别的关键在于颜色空间的选择与阈值判定。人类的颜色感知主要由色调（Hue）、饱和度（Saturation）与亮度（Value）决定。OpenCV 默认读取的图像为 BGR（蓝绿红） 模式，但这种模式不利于分离颜色信息，因此通常将其转换为 HSV 颜色空间。

在 HSV 模式中：

H（Hue）色调 表示颜色的种类（0~180，对应红、橙、黄、绿、青、蓝、紫等色带）。
S（Saturation）饱和度 表示颜色的纯度，越高颜色越鲜艳。
V（Value）亮度 表示颜色的明暗程度。

通过对 H 值的阈值范围判断，可以快速区分不同颜色。例如：

红色区域：H ∈ [0,10] 或 [156,180]
黄色区域：H ∈ [26,34]
绿色区域：H ∈ [35,77]
蓝色区域：H ∈ [100,124]

三、核心代码解析

下面是本系统的完整代码：

import cv2
def get_color(img):H = []color_name = Noneimg = cv2.resize(img, dsize=(640, 480))# 将彩色图像转换为HSVHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 绘制检测矩形框cv2.rectangle(img, pt1=(280, 180), pt2=(360, 260), color=(0, 255, 0), thickness=2)# 遍历检测区域，提取H值for i in range(280, 360):for j in range(180, 260):H.append(HSV[j, i][0])# 计算H的最小值与最大值H_min = min(H)H_max = max(H)# 根据H范围判断颜色if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180:color_name = 'red'elif H_min >= 26 and H_max <= 34:color_name = 'yellow'elif H_min >= 35 and H_max <= 77:color_name = 'green'elif H_min >= 100 and H_max <= 124:color_name = 'blue'print(color_name)return img, color_name
cap = cv2.VideoCapture(0)
while 1:_, frame = cap.read()img, cal = get_color(frame)cv2.imshow('', img)if cv2.waitKey(1) == 27:break

四、程序流程与运行机制

整个系统的运行流程如下：

（1）视频流获取

cap = cv2.VideoCapture(0)

这行代码调用计算机的默认摄像头（索引0）以获取实时视频帧。OpenCV 的 VideoCapture 类能够逐帧读取视频数据，用于后续图像处理。

（2）帧处理与图像预处理

在每次循环中，系统读取一帧图像：

_, frame = cap.read()

随后调用 get_color() 函数对该帧进行分析。

首先将图像统一调整为 640x480 尺寸，确保检测区域固定。接着使用：

HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

将图像从 BGR 转换为 HSV 颜色空间。

（3）检测区域与绘制矩形框

cv2.rectangle(img, pt1=(280, 180), pt2=(360, 260), color=(0, 255, 0), thickness=2)

在画面中绘制一个绿色矩形框，作为颜色检测区域。此区域的像素被选作颜色分析样本。

（4）H 通道提取与分析

程序遍历矩形框中的所有像素点：

for i in range(280, 360):for j in range(180, 260):H.append(HSV[j, i][0])

将这些像素的 H 值存入列表中，随后计算其最小值与最大值：

H_min = min(H)
H_max = max(H)

由于光照与噪声可能导致部分像素偏差，使用最大与最小范围可以容忍一定波动。

（5）颜色分类与输出

根据 H 值范围判断颜色：

if H_min >= 0 and H_max <= 10 or H_min >= 156 and H_max <= 180:color_name = 'red'
elif H_min >= 26 and H_max <= 34:color_name = 'yellow'
elif H_min >= 35 and H_max <= 77:color_name = 'green'
elif H_min >= 100 and H_max <= 124:color_name = 'blue'

程序打印颜色名称，并将结果返回主循环，用于实时显示。

（6）实时显示与退出机制

cv2.imshow('', img)
if cv2.waitKey(1) == 27:  # ESC 键退出break

在窗口中持续显示摄像头画面及检测框，当按下 ESC 键时程序结束。

五、HSV 阈值与颜色分布

HSV 色相（Hue）值在 OpenCV 中的取值范围为 [0,180]，其大致对应关系如下：

颜色	H范围	说明
红色	0~10 / 156~180	红色在色轮的两端分布
橙色	11~25	比红略偏黄
黄色	26~34	明亮的黄色区域
绿色	35~77	常见植物色
青色	78~99	介于绿与蓝之间
蓝色	100~124	典型蓝色范围
紫色	125~155	蓝与红之间过渡区