如何借助OpenCV精准识别随机摆放圆形的棕、黑、灰、白颜色
多色随机排布圆形检测与颜色匹配的实现难题
实现路线调整背景
- 最初计划依托
HoughCircles算法检测图像中所有圆形的中心位置,后续新增需求为同步匹配每个已检测圆形对应的颜色属性 - 场景内圆形为随机摆放状态,不支持硬编码位置适配,因此调整了整体技术实现路线,对应的参考场景为多色圆形随机排布的阵列图,观察到多数圆形中心带有统一的浅蓝色标记
当前核心卡点
- 受图像质量约束,无法确定精准的HSV阈值范围,难以实现棕、黑、灰、白四类目标颜色的准确识别
- 目前暂未明确圆形中心的浅蓝色标记特征对颜色区分环节的辅助作用
已落地的尝试方案
- 借助OpenCV轨道栏控件交互式调试,已经获取到除四类核心目标颜色外的干扰色近似HSV上下阈值,但四类核心目标颜色的阈值始终无法完成精准标定
- 对HSV空间图像应用自定义颜色掩码后,通过图像矩计算定位圆形中心,参考实现代码如下:
import cv2 import numpy as np img = cv2.imread('Photos/lastBoard.png') frame_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 红色颜色阈值 lower_values = np.array([0,123,40]) upper_values = np.array([5,255,114]) mask = cv2.inRange(frame_hsv, lower_values, upper_values) contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) for c in contours: M = cv2.moments(c) if M["m00"] != 0: (x,y),radius = cv2.minEnclosingCircle(c) center = (int(x),int(y)) radius = int(radius) cX = int(M["m10"] / M["m00"]) cY = int(M["m01"] / M["m00"]) # 限定检测范围:仅识别x坐标大于500、半径大于8的轮廓 if cX > 500 and radius >8: cv2.circle(img, (cX, cY), 2, (0,255,0), -1) cv2.imshow("Image", img) cv2.waitKey(0)
现存方案缺陷与优化需求
- 目前基于HSV阈值掩码的实现方式,对棕、黑、灰、白四类颜色的检测精度不足,需要更可靠的技术优化方案提升识别准确率
内容的提问来源于stack exchange,提问作者codejourney
相关产品推荐
相关产品推荐

