如何用OpenCV+Python+PiCamera识别两个绿色物体并统计像素

没问题，我来一步步帮你实现这个需求。咱们从PiCamera视频流的获取开始，到绿色物体识别、画框，再到像素统计，全程用Python+OpenCV搞定：

虽然你说环境已经配置好，还是把需要用到的库列出来，确保导入没问题：

import cv2
import numpy as np
from picamera import PiCamera
from picamera.array import PiRGBArray
import time

用PiRGBArray可以高效获取帧，避免实时流的延迟问题：

# 初始化相机参数
camera = PiCamera()
camera.resolution = (640, 480)  # 可根据需求调整分辨率，越低帧率越高
camera.framerate = 32
rawCapture = PiRGBArray(camera, size=(640, 480))

# 给相机留一点预热时间
time.sleep(0.1)

核心是用HSV颜色空间筛选绿色（比RGB更抗光照干扰），然后检测轮廓、筛选目标：

步骤拆解： #

• 将每一帧从BGR（OpenCV默认格式）转成HSV格式
• 设定绿色的HSV阈值，生成只保留绿色区域的掩码
• 对掩码做腐蚀+膨胀的形态学操作，去除小噪声
• 检测轮廓，筛选出面积较大的前2个目标（对应你要识别的两个绿色物体）
• 给每个目标绘制矩形框

整合到流循环的代码： #

# 绿色的HSV初始阈值（可根据实际环境调整）
lower_green = np.array([40, 40, 40])
upper_green = np.array([70, 255, 255])

# 遍历视频流的每一帧
for frame in camera.capture_continuous(rawCapture, format="bgr", use_video_port=True):
    # 获取当前帧的图像数据
    image = frame.array
    
    # 1. 颜色筛选：转HSV格式，生成绿色掩码
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, lower_green, upper_green)
    
    # 2. 去除噪声：先腐蚀再膨胀，过滤掉小杂点
    kernel = np.ones((5,5), np.uint8)
    mask = cv2.erode(mask, kernel, iterations=1)
    mask = cv2.dilate(mask, kernel, iterations=2)
    
    # 3. 检测轮廓
    contours, _ = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 按轮廓面积从大到小排序，取前2个（确保是两个最大的绿色物体）
    contours = sorted(contours, key=cv2.contourArea, reverse=True)[:2]
    
    # 4. 绘制矩形框
    for cnt in contours:
        # 过滤掉极小的轮廓（避免噪声被误识别）
        if cv2.contourArea(cnt) > 100:
            x, y, w, h = cv2.boundingRect(cnt)
            # 画绿色矩形框，线宽为2
            cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

这里的黑色像素指三通道数值都为0的纯黑色像素，彩色像素是总像素数减去黑色像素数：

# 计算总像素数
    total_pixels = image.shape[0] * image.shape[1]
    # 统计纯黑色像素（三通道都为0）
    black_pixels = np.sum((image[:, :, 0] == 0) & (image[:, :, 1] == 0) & (image[:, :, 2] == 0))
    # 彩色像素=总像素-黑色像素
    color_pixels = total_pixels - black_pixels
    
    # 把统计结果显示在画面左上角
    cv2.putText(image, f"Color Pixels: {color_pixels}", (10, 30), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 2)
    cv2.putText(image, f"Black Pixels: {black_pixels}", (10, 60), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 255, 255), 2)

最后把处理后的画面显示出来，按q键可以退出循环：

# 显示处理后的实时画面
    cv2.imshow("PiCamera Stream", image)
    
    # 清空缓存，准备接收下一帧
    rawCapture.truncate(0)
    
    # 按q键退出循环
    key = cv2.waitKey(1) & 0xFF
    if key == ord("q"):
        break

# 释放所有资源
cv2.destroyAllWindows()
camera.close()

• 调整绿色阈值：如果识别不准，你可以用这个小工具实时调整HSV参数，拖动滑块直到掩码只显示绿色物体，再把数值替换到代码里：

# HSV阈值调参工具
def adjust_hsv():
    def nothing(x):
        pass
    cv2.namedWindow("Trackbars")
    cv2.createTrackbar("L-H", "Trackbars", 40, 179, nothing)
    cv2.createTrackbar("L-S", "Trackbars", 40, 255, nothing)
    cv2.createTrackbar("L-V", "Trackbars", 40, 255, nothing)
    cv2.createTrackbar("U-H", "Trackbars", 70, 179, nothing)
    cv2.createTrackbar("U-S", "Trackbars", 255, 255, nothing)
    cv2.createTrackbar("U-V", "Trackbars", 255, 255, nothing)
    
    while True:
        frame = next(camera.capture_continuous(rawCapture, format="bgr", use_video_port=True)).array
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        
        # 获取滑块当前值
        l_h = cv2.getTrackbarPos("L-H", "Trackbars")
        l_s = cv2.getTrackbarPos("L-S", "Trackbars")
        l_v = cv2.getTrackbarPos("L-V", "Trackbars")
        u_h = cv2.getTrackbarPos("U-H", "Trackbars")
        u_s = cv2.getTrackbarPos("U-S", "Trackbars")
        u_v = cv2.getTrackbarPos("U-V", "Trackbars")
        
        lower = np.array([l_h, l_s, l_v])
        upper = np.array([u_h, u_s, u_v])
        mask = cv2.inRange(hsv, lower, upper)
        
        cv2.imshow("Frame", frame)
        cv2.imshow("Mask", mask)
        rawCapture.truncate(0)
        
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    cv2.destroyAllWindows()

• 提升帧率：如果画面卡顿，可以降低相机分辨率，或者减少形态学操作的迭代次数。

内容的提问来源于stack exchange，提问作者J Dow