如何统计图像中指定颜色物体的角点数量

核心逻辑 #

要实现按颜色筛选角点，只需要在原有角点检测的基础上增加颜色掩码过滤步骤即可，具体流程如下：

• 将图像从BGR色彩空间转换为HSV色彩空间，HSV更适合做单一颜色的精准提取
• 设定目标颜色的HSV阈值范围，生成仅保留目标颜色区域的二值掩码
• 完成全图角点检测后，逐一校验角点坐标是否落在掩码的有效区域（目标颜色区域）内，仅统计符合条件的角点

完整修改代码 #

import cv2
import numpy as np
import matplotlib.pyplot as plt

def cornerpoint_by_color(img_path, lower_hsv, upper_hsv):
    # 读取图像
    img = cv2.imread(img_path)
    # 转换为HSV色彩空间
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    # 生成指定颜色的掩码
    mask = cv2.inRange(hsv, lower_hsv, upper_hsv)
    
    # 原有Harris角点检测逻辑
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray = np.float32(gray)
    dst = cv2.cornerHarris(gray,5,3,0.04)
    ret, dst = cv2.threshold(dst,0.1*dst.max(),255,0)
    dst = np.uint8(dst)
    ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst)
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001)
    corners = cv2.cornerSubPix(gray,np.float32(centroids),(5,5),(-1,-1),criteria)
    
    # 过滤属于指定颜色区域的角点
    valid_corners = []
    for i in range(1, len(corners)):
        x, y = int(corners[i][0]), int(corners[i][1])
        # 判断角点是否在目标颜色掩码范围内
        if mask[y, x] == 255:
            valid_corners.append(corners[i])
            # 标记有效角点为红色
            cv2.circle(img, (x, y), 3, (0, 0, 255), -1)
    
    # 输出统计结果
    print(f"指定颜色区域的角点数量为：{len(valid_corners)}")
    for idx, pt in enumerate(valid_corners):
        print(f"角点{idx+1}坐标：{pt}")
    
    # 转换为RGB格式适配matplotlib显示
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt.imshow(img_rgb)
    plt.show()
    return len(valid_corners)

# 调用示例：提取蓝色区域的角点，蓝色HSV范围可根据实际图像调整
lower_blue = np.array([100, 43, 46])
upper_blue = np.array([124, 255, 255])
cornerpoint_by_color('/content/shapes.png', lower_blue, upper_blue)

参数调整说明 #

• 如果需要识别其他颜色，只需修改传入的lower_hsv和upper_hsv阈值即可，可以通过取色工具读取目标像素的HSV值，设置上下浮动范围即可
• 如果出现角点漏检或多检的情况，可以调整cv2.cornerHarris的最后一个参数，或者调整阈值0.1*dst.max()的系数，系数越大保留的角点越少

内容的提问来源于stack exchange，提问作者Asp Lab