当前位置: 首页 > news >正文

树莓派4B_OpenCv学习笔记6:OpenCv识别已知颜色_运用掩膜

今日继续学习树莓派4B 4G:(Raspberry Pi,简称RPi或RasPi)

 本人所用树莓派4B 装载的系统与版本如下:

 版本可用命令 (lsb_release -a) 查询:

 Opencv 版本是4.5.1:

学了这些OpenCv的理论性知识,不进行实践实在是太无聊了,今天就尝试使用OpenCv,已知颜色信息,来识别一张图片的颜色 ,并输出掩膜图像,坐标范围等。

目录

掩膜的基本知识:

RGB颜色控件与HSV:

RGB颜色空间

HSV颜色空间

准备需要识别的图片:

编写RGB转BGR程序:

 测试转换程序:

编写颜色识别程序:

测试颜色识别程序:

更改掩膜颜色:

进一步获取掩膜的有用参数:

1、计算掩膜覆盖的像素:

2、找到掩膜中物体的边界框(Bounding Box):

3、计算掩膜中物体的质心(Centroid):

4、计算掩膜中物体的面积:

 综合测试效果如下:

整体测试工程下载:

网上查阅资料贴出:


掩膜的基本知识:

掩膜是由0和1组成的一个二进制图像

当在某一功能中应用掩膜时,1值区域被处理,被屏蔽的0值区域不被包括在计算中。通过制定的数据值,数据范围,有限或无限值,感兴趣区和注释文件来定义图像掩膜,也可以应用上述选项的任意组合作为输入来建立掩膜。

 以下定义为AI生成:

**掩膜(Mask)**是一个二维数组(或矩阵),通常与图像具有相同的尺寸,但数据类型通常是二值化的(例如,8位无符号整数,其中0表示“无”或“透明”,而非零值(如255)表示“有”或“不透明”)。掩膜在图像处理中主要用于以下目的:

  1. 区域选择:你可以使用掩膜来选择图像中的特定区域进行进一步处理。例如,你可能只对图像中的某个特定形状或区域感兴趣,那么你可以创建一个只在该区域内部为1(或255),其他地方为0的掩膜,然后将其与原始图像相乘,从而只保留你感兴趣的区域。
  2. 形态学操作:在形态学图像处理中,如腐蚀(erosion)和膨胀(dilation),掩膜被用作结构元素。这些结构元素定义了邻域的形状和大小,用于确定像素的邻域如何影响该像素的最终值。
  3. 融合和混合:掩膜也可以用于将两个或多个图像融合在一起。例如,你可以使用掩膜来定义如何将一个图像的内容叠加到另一个图像上,只在掩膜为1的位置进行叠加。
  4. 图像修复:在图像修复或去噪中,掩膜可以帮助确定哪些像素需要被修复或替换。

RGB颜色控件与HSV:

在已知的图像中我们常用RGB的三元值大小来描述一个颜色,但RGB不适用于环境变化的情况,因此需要将RGB转换为HSV的描述形式,

这里需要注意的是,通过软件获取RGB数值后,传给Opencv程序的顺序应该是BGR!

RGB颜色空间

RGB(红、绿、蓝)颜色控件是基于RGB颜色空间的。RGB颜色空间是工业界的一种颜色标准,它使用三个颜色通道(红色、绿色和蓝色)来表示颜色。每个通道都有256个可能的值(从0到255),因此RGB颜色空间可以表示约16,777,216种不同的颜色(即256^3)。

特点

  1. 基础性:RGB颜色空间是图像处理中最基本、最常用的颜色空间,因为它与大多数显示设备和打印设备直接相关。
  2. 面向硬件:RGB颜色空间是面向硬件的,因此它在计算机图形和图像处理中非常常见。
  3. 受亮度影响:RGB颜色空间的三个分量(红、绿、蓝)都与亮度密切相关。因此,当亮度改变时,三个分量都会相应地改变。
  4. 均匀性较差:RGB颜色空间是一种均匀性较差的颜色空间,因为人眼对这三种颜色分量的敏感程度是不一样的。

HSV颜色空间

HSV(色调、饱和度、明度)颜色控件是基于HSV颜色空间的。HSV颜色空间比RGB更接近人们对彩色的感知经验,它使用色调(Hue)、饱和度(Saturation)和明度(Value)三个参数来描述颜色。

特点

  1. 直观性:HSV颜色空间非常直观地表达颜色的色调、鲜艳程度和明暗程度,方便进行颜色的对比。
  2. 稳定性:HSV颜色空间在面对光照变化时比RGB更稳定,能更好地反映颜色的本质。
  3. 适合图像处理:由于HSV颜色空间的直观性和稳定性,它在图像处理中比RGB更受欢迎。例如,在HSV颜色空间下,更容易跟踪某种颜色的物体,常用于分割指定颜色的物体。
  4. 参数范围:在HSV颜色空间中,色调(H)的取值范围为0°到360°,饱和度(S)和明度(V)的取值范围通常为0%到100%。

准备需要识别的图片:

这里我使用Photoshop随手画了个图片,并使用取色器获取到了

其中蓝色区域RGB的数值:

B:        255

G:        97

R:        34

# coding=utf-8
import sys
import numpy as np
import cv2blue = sys.argv[1]
green = sys.argv[2]
red = sys.argv[3]  color = np.uint8([[[blue, green, red]]])
hsv_color = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)hue = hsv_color[0][0][0]print("Lower bound is :"),
print("[" + str(hue-10) + ", 100, 100]\n")print("Upper bound is :"),
print("[" + str(hue + 10) + ", 255, 255]")

编写RGB转BGR程序:

 编写以下程序能辅助我们将已知颜色的BGR数值转换为HSV形式:

# coding=utf-8
import sys
import numpy as np
import cv2blue = sys.argv[1]
green = sys.argv[2]
red = sys.argv[3]  color = np.uint8([[[blue, green, red]]])
hsv_color = cv2.cvtColor(color, cv2.COLOR_BGR2HSV)hue = hsv_color[0][0][0]print("Lower bound is :"),
print("[" + str(hue-10) + ", 100, 100]\n")print("Upper bound is :"),
print("[" + str(hue + 10) + ", 255, 255]")

 测试转换程序:

1、现将编写好的脚本传输给树莓派(通过mobaxterm的SSH远程连接):

2、在终端输入命令运行得到运算结果如下:

编写颜色识别程序:

1、接下来编写颜色识别程序如下:

注意:       如果你使用的图片需要检测的已知BGR与我不一致,那你需要再回到上一步获取对应HSV值,并在代码中将这俩行替换:

        

# 这行指定了文件的编码格式为utf-8
# coding=utf-8 import cv2
import numpy as np# 使用cv2.imread函数读取指定路径下的图片文件。第二个参数1表示读取彩色图像(BGR格式)
img = cv2.imread('/home/pi/Pictures/Colour_test1.jpg', 1)# 使用cv2.resize函数调整图像大小。这里,目标宽度和高度被设置为(0,0),表示将按照给定的缩放因子fx和fy来缩放图像。  
# fx=0.2和fy=0.2表示图像在水平和垂直方向上都将缩小到原来的20%。 
#img = cv2.resize(img, (0,0), fx=0.2, fy=0.2)# 将图像从BGR色彩空间转换为HSV色彩空间。HSV色彩空间更适用于颜色范围检测,因为它基于色调(H)、饱和度(S)和亮度(V)。
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 定义一个NumPy数组,表示HSV色彩空间中颜色的下界。这里的数值代表色调、饱和度和亮度的最小值。 
lower_range = np.array([101, 100, 100], dtype=np.uint8)
# 定义一个NumPy数组,表示HSV色彩空间中颜色的上界。这里的数值代表色调、饱和度和亮度的最大值。  
upper_range = np.array([121, 255, 255], dtype=np.uint8)# 使用cv2.inRange函数根据指定的HSV颜色范围创建一个掩码图像。该掩码图像中,属于指定颜色范围的像素值为255(白色),其他像素值为0(黑色)。  
mask = cv2.inRange(hsv, lower_range, upper_range)# 使用cv2.imshow函数显示掩码图像,窗口标题为'mask'。  
cv2.imshow('mask',mask)
# 使用cv2.imshow函数显示原始图像(经过缩放和色彩空间转换后),窗口标题为'image'。  
cv2.imshow('image', img)while(1):
#等待用户按键,按下‘q’就释放资源退出程序key=cv2.waitKey(1)if key&0XFF==ord('q'):breakcv2.destroyAllWindows()

2、将图片SSH传输给树莓派:

注意:        图片位置需要与程序对应,这个请自行检查:

测试颜色识别程序:

发现能够将识别到的颜色掩膜输出:

更改掩膜颜色:

我们可以在之前程序基础上对掩膜的颜色进行更改:   只需添加一句:

然后就改变掩膜的颜色为灰色了:

进一步获取掩膜的有用参数:

1、计算掩膜覆盖的像素:

需要注意的是,这里的mask的值需要根据你的具体设置进行更改:

num_pixels = np.sum(mask == 255)  # 或者 np.count_nonzero(mask)  print(f"Number of pixels in the mask: {num_pixels}")

2、找到掩膜中物体的边界框(Bounding Box)

通过寻找掩膜中所有非零像素的边界,您可以得到这些像素在图像中的位置。

# 使用OpenCV的findContours函数找到轮廓  
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 假设我们只关心最大的轮廓(即最大的物体)  
if contours:  c = max(contours, key=cv2.contourArea)  x, y, w, h = cv2.boundingRect(c)  print(f"Bounding box of the object: ({x}, {y}), ({w}, {h})")

3、计算掩膜中物体的质心(Centroid)

质心是物体所有像素的加权平均位置。

M = cv2.moments(contours[0]) if contours else None  
if M != None:  cX = int(M["m10"] / M["m00"])  cY = int(M["m01"] / M["m00"])  print(f"Centroid of the object: ({cX}, {cY})")

4、计算掩膜中物体的面积

这可以通过计算掩膜中非零像素的数量来实现。

area = cv2.contourArea(contours[0]) if contours else 0  
print(f"Area of the object: {area}")

 综合测试效果如下:

整体测试工程下载:

https://download.csdn.net/download/qq_64257614/89426048

网上查阅资料贴出:

[树莓派基础]7.树莓派OpenCV颜色识别案例讲解_哔哩哔哩_bilibili

 opencv(12): 掩膜Mask_opencv mask-CSDN博客

相关文章:

树莓派4B_OpenCv学习笔记6:OpenCv识别已知颜色_运用掩膜

今日继续学习树莓派4B 4G:(Raspberry Pi,简称RPi或RasPi) 本人所用树莓派4B 装载的系统与版本如下: 版本可用命令 (lsb_release -a) 查询: Opencv 版本是4.5.1: 学了这些OpenCv的理论性知识,不进行实践实在…...

ZSH 配置

ZSH 配置 1. 安装 ZSH2. 安装 oh my zsh3. 安装插件3.1 autojump3.2 zsh-autosuggestions 1. 安装 ZSH sudo apt-get install zsh 完成安装后需设置当前用户使用 zsh: chsh -s /bin/zsh 重启后即可使用 2. 安装 oh my zsh 安装 oh my zsh 需先安装 git。 自动安装…...

LogicFlow 学习笔记——5. LogicFlow 基础 主题 Theme

主题 Theme LogicFlow 提供了设置主题的方法,便于用户统一设置其内部所有元素的样式。设置方式有两种: 初始化LogicFlow时作为配置传入初始化后,调用LogicFlow的 setTheme 方法 主题配置参数见主题API 配置 new LogicFlow 时作为将主题配…...

Centos7.9使用kubeadm部署K8S集群

Centos7.9使用kubeadm部署K8S集群 使用kubeadm部署一个k8s集群,单master2worker节点。 1. 环境信息 操作系统:CentOS 7.9.2009内存: 2GBCPU: 2网络: 能够互访,能够访问互联网 hostnameip备注k8s-master192.168.0.51masterk8s-node1192.16…...

VB.net调用VC DLL(二)

参考文献5,讲了在C程序中直接调用DLL和lib的函数方法,不是通过编译器连接方式 也讲了在非C程序中直接调用DLL和lib的函数方法。 实操了一下,建了win32dll项目 新建.h文件和.cpp文件 .h文件中加: void __stdcall funcA(double…...

社团管理系统

用Spring Boot、Vue.js和MyBatis实现社团管理系统 温馨提示:项目源代码获取方式见文末 摘要 本文探讨了如何使用Spring Boot作为后端框架,Vue.js作为前端框架,以及MyBatis作为数据库持久层框架,构建一个社团管理系统。该系统旨…...

网站的文章起到什么作用

1.便于用户了解产品服务 如果想要获得更多的用户访问或者转化率,那么网站就得需要高质量、高原创的文章,通过文章可以让用户更好的了解公司的产品和服务,用户会根据自己的需求去选择服务类型,从而可以给公司产生业务订单&am…...

Science | 稀土开采威胁马来西亚的生物多样性

马来西亚是一个生物多样性热点地区,拥有超过17万种物种,其中1600多种处于濒临灭绝的风险。马来西亚的热带雨林蕴藏了大部分的生物多样性,并为全球提供重要的生态系统效益,同时为土著社区带来经济和文化价值。同时马来西亚具有可观…...

pandas read_csv跳过有错的行

在使用Pandas的read_csv函数时,如果遇到格式错误或其他导致读取失败的行,Pandas默认会抛出异常。但如果你想让Pandas自动跳过这些错误行,可以使用error_bad_linesFalse参数。这将使Pandas在遇到格式错误的行时,忽略这些行而不是中…...

VRChat 2024年裁员原因与背景深度分析

VRChat,作为2022年元宇宙/VR社交领域的巨头,近期在2024年宣布裁员计划,其背后原因和背景值得业界尤其是仍在纯元宇宙虚拟空间创业的同仁们重点关注。 一、创始人决策失误 根据CEO的邮件披露,VRChat的创始人因缺乏经验和过度自信…...

mybatisplus 笔记

int isDelete userRoleMapper.delete(new LambdaQueryWrapper<UserRole>().in(UserRole::getUserId, roleUserDTO.getUserId()).in(UserRole::getRoleId, roleUserDTO.getRoleId()));LambdaQueryWrapper<UserRole>: LambdaQueryWrapper 是 MyBatis Plus 提供的一个…...

Shell脚本(.sh文件)如何执行完毕之后不自动关闭?

Shell脚本异常傲娇&#xff0c;出错后、执行完根本不给你机会让你查看报错信息、输出信息&#xff0c;直接闪退。 废话不多说&#xff0c;调教方法如下&#xff0c;直接在Shell脚本末尾加上如下代码&#xff1a; 1、实现方式一 1.1 使用read命令达到类似bat中的pause命令效果…...

苏州辰安塑业携塑料托盘、塑料物流箱解决方案亮相2024杭州快递物流展

苏州辰安塑业携塑料托盘、吹塑托盘、塑料卡板箱、塑料周转箱、塑料物流箱、塑料垃圾桶解决方案盛装亮相2024杭州快递物流展&#xff01; 展位号&#xff1a;3C馆A51 苏州辰安塑业有限公司&#xff0c;是一家专业从事塑料托盘、吹塑托盘、塑料卡板箱、塑料周转箱、塑料物流箱、…...

大模型应用开发技术:Multi-Agent框架流程、源码及案例实战(二)

LlaMA 3 系列博客 基于 LlaMA 3 LangGraph 在windows本地部署大模型 &#xff08;一&#xff09; 基于 LlaMA 3 LangGraph 在windows本地部署大模型 &#xff08;二&#xff09; 基于 LlaMA 3 LangGraph 在windows本地部署大模型 &#xff08;三&#xff09; 基于 LlaMA…...

Flutter 实现dispose探测控件

文章目录 前言一、什么是dispose探测控件&#xff1f;1、通常情况2、使用dispose探测控件 二、如何实现1、继承StatefulWidget2、定义dipose回调3、定义child4、重载Dispose方法5、build child 三、完整代码四、使用示例1、基本用法2、设置定义数据 总结 前言 开发flutter一般…...

如何定义和衡量一个产品的成功?

定义和衡量一个产品的成功是一个多维度的过程&#xff0c;涉及用户满意度、市场表现、商业成果和技术实现等多个方面。以下是几个关键点&#xff0c;可以帮助产品经理在面试中全面阐述这一话题&#xff1a; 用户层面的成功&#xff1a; 用户满意度&#xff1a;通过用户调研、N…...

微调大模型 - 面向学术论文的AI大模型

1、优化学术交流: 该项目专注于优化学术文献的阅读、润色和写作过程,提供了实用化的交互接口。 2、模块化和可扩展性: 项目设计模块化,支持自定义快捷按钮和函数插件,便于用户根据自己的需求进行扩展。 3、多语言和多模型支持: 支持多种语言的论文翻译和总结,同时可以并行…...

java溯本求源之基础(二十四)之--常见List的实现共同点

兄弟们终于到了上代码讲代码的环节了&#xff0c;之前的一些代码都是小打小闹&#xff0c;现在才是重头戏&#xff0c;今天来简单说说一些集合&#xff0c;首先这些都是基于数组实现的&#xff0c;当然Collections.emptyList不算奥&#xff0c;别犟。剩下的不多墨迹直接上重点&…...

gin连接redis

使用Gin框架连接Redis&#xff0c;需要先安装Redis客户端库&#xff0c;例如go-redis。然后&#xff0c;你可以创建一个Redis客户端实例&#xff0c;并在Gin路由处理函数中使用它。以下是一个简单的示例&#xff1a; 1. 首先&#xff0c;安装go-redis库&#xff1a; bash go g…...

深度学习训练——batch_size参数设置过大反而训练更耗时的原因分析

&#x1f4aa; 专业从事且热爱图像处理&#xff0c;图像处理专栏更新如下&#x1f447;&#xff1a; &#x1f4dd;《图像去噪》 &#x1f4dd;《超分辨率重建》 &#x1f4dd;《语义分割》 &#x1f4dd;《风格迁移》 &#x1f4dd;《目标检测》 &#x1f4dd;《暗光增强》 &a…...

jvm必知必会-类的生命周期图文详解

类的生命周期描述了一个从加载、使用到卸载的过程; 而其中的 连接 部分又分为一下三个阶段: 验证准备解析6.1 加载阶段 Loading阶段第一步是 类加载器 会根据类全限定名通过不同的渠道以二进制流的方式获取字节码信息,程序员可以使用Java代码扩展不同的渠道。 比如通过 …...

一文看懂人工智能、机器学习、深度学习是什么、有什么区别!

引言&#xff1a;走进智能的世界 曾经&#xff0c;人工智能&#xff08;AI&#xff09;是科幻小说中的概念&#xff0c;与飞船、外星人并肩而立。 然而&#xff0c;随着时间的推移&#xff0c;AI不再仅仅是幻想的产物&#xff0c;它已经成为我们日常生活中不可或缺的一部分。 在…...

Vue47-修改默认配置webpack.config.js文件

main.js是脚手架项目的入口文件&#xff0c;系统运行时&#xff0c;默认去找src下的main.js文件。这是webpack通过配置文件&#xff1a;webpack.config.js配置的。 脚手架把所有重要的配置文件都隐藏了&#xff0c;方式被开发者修改。 一、查看被隐藏的webpack配置 1-1、webpa…...

qss实现登录界面美化

qss实现登录界面美化 #include "widget.h" #include "ui_widget.h"Widget::Widget(QWidget *parent): QWidget(parent), ui(new Ui::Widget) {ui->setupUi(this);// 去掉头部this->setWindowFlag(Qt::FramelessWindowHint);// 去掉空白部分th…...

ROS系统中解析通过CAN协议传输的超声波传感器数据

CAN Bus接口设置&#xff1a;确保你的ROS系统可以通过CAN Bus接口与外部设备通信。这可能需要CAN卡或CAN适配器&#xff0c;以及相应的驱动程序和库。 CAN消息接收&#xff1a;配置ROS节点来监听特定的CAN ID&#xff0c;这通常是超声波传感器的标识符。 数据解析&#xff1a…...

SonarQube安全扫描常见问题

目录 一、SonarQube质量报告 二、SonarQube扫描常见问题和修复方法 三、SonarQube质量配置 最近小编在使用SonarQube工具进行代码扫描&#xff0c;检查代码异味&#xff0c;系统漏洞等&#xff0c;实际过程中也遇到了不少问题&#xff0c;这篇文章主要列举我遇到的常见问题和…...

Golang内存模型与分配机制

简述 mheap为堆&#xff0c;堆和进程是一对一的&#xff1b;mcentral&#xff08;小mheadp&#xff09;&#xff0c;mcahe&#xff08;GMP的P私有&#xff09;&#xff0c;分配内存顺序由后向前。 在解决这个问题&#xff0c;Golang 在堆 mheap 之上&#xff0c;依次细化粒度&a…...

HarmoneyOS星河版 安装和启动

一、下载和安装DevEco Studio 官网链接&#xff1a;OpenAtom OpenHarmony 1.1 找到对应的操作系统进行下载 创建安装Harmony的文件夹&#xff1a; 1.2 下载后进行安装 1.3 分别安装Node、Ohpm、SDK 分别安装Node、Ohpm和SDK 二、.创建一个新项目并运行 2.1 选择[OpenHarmon…...

奇舞周刊第530期:AIGC和低代码结合应用全栈研发实践总结

周五快乐&#xff08;图片由midjourney生成&#xff09; 奇舞推荐 ■ ■ ■ AIGC 和低代码结合应用全栈研发实践总结 得物通过低代码和大模型技术简化电商供应链系统开发。尽管低代码工具存在一些局限&#xff0c;但结合大模型生成脚本和理解配置&#xff0c;提高了效率。未来将…...

linux上运行js脚本

貌似学运维&#xff0c;啥都要懂一点儿&#xff1f;&#xff1f;&#xff1f;&#xff1f;&#xff1f;&#xff1f; 我们将使用 Node.js 和 ES6 模块语法。 首先&#xff0c;确保你已经安装了 Node.js。 创建项目文件结构 假设我们的项目结构如下&#xff1a; my_project/…...

室内设计用什么软件比较好/培训如何优化网站

上一篇教程我们讲述了怎么使用Python连接CoppeliaSim对里面的无人机进行控制,也讲述了怎么通过多进程的方式进行调用。在大多数情况下学会这些手段就足够进行仿真操作,可将仿真的重点转到算法的验证上,然而对于群体无人机算法的验证则是个例外。 这类算法的验证往往需要对一…...

金融app开发/安卓优化大师最新版下载

本博客所有内容是原创&#xff0c;未经书面许可&#xff0c;严禁任何形式的转载 http://blog.csdn.net/u010255642 回归分析&#xff08;英语&#xff1a;Regression Analysis&#xff09;是一种统计学上分析数据的方法&#xff0c;目的在于了解两个或多个变量间是否相关、相关…...

织梦系统如何做网站地图/软文发稿公司

在数组中就地移除value的元素&#xff0c;并且不用管移除后的顺序稳定性。 大致思路&#xff1a; 如果要前移来删除数组元素的话要O(n^2)。 这里的方法是——两个指针&#xff08;发现两个指针在“就地处决”真的很重要诶...&#xff09;&#xff0c;一个一直指向最后一个元…...

网站建设的市场需求/win优化大师官网

下载地址&#xff1a;http://code.google.com/p/freecms/ 站点管理 FreeCMS支持网站群模式,并支持无限树级管理。 1. 添加一级站点 从左侧管理菜单点击站点管理进入。 提示&#xff1a;只有admin才可以进行“添加一级站点”操作。 点击“添加一级站点” 输入相关属性点击“保存…...

网站开发模式分为/长春seo网站排名

06-9-27在网吧里&#xff0c;任何时间都会有人在吃饭&#xff0c;有人在睡觉&#xff0c;有人在玩。不论是清晨&#xff0c;中午&#xff0c;还是深夜&#xff0c;都有一些人挺不住了&#xff0c;他们用疲惫无神的双眼仔细注视着屏幕&#xff0c;仿佛创作中的马克思。他们是铁人…...

wordpress博客广告代码/网络营销项目策划方案

在JavaScript这门语言中&#xff0c;数据类型分为两大类&#xff1a;基本数据类型和复杂数据类型。基本数据类型包括Number、Boolean、String、Null、String、Symbol&#xff08;ES6 新增&#xff09;&#xff0c;而复杂数据类型包括Object&#xff0c;而所有其他引用类型&…...