基于颜色特性的目标识别方法

  • 时间:
  • 浏览:0

基于彩色图像分割的最好的办法识别目标时,要选者大慨的颜色空间,常见的颜色空间有RGB,HSV,CMY等。HSV模型也能在一定程度上补救RGB模型的高分散性和高相关性所带来的阈值划分问题。什么都有有接下来的代码是采用HSV颜色空间进行目标识别,RGB到HSV的转换公式是:

图中黄色圈为最大外接圆,红点为质心

在图像中识别目标对象也能基于一一四个不同的属性,即颜色,纹理,社会形态。颜色社会形态是运用最广泛,最容易学习与实现的最好的办法,或者接下来采用基于颜色的物体识别最好的办法。

对于环境的要求较高,实在也能设定捕获物体半径大小,但最好目标颜色为环境中独一无二的颜色。

HSV介绍

参考资料:opencv教程

基于双目视觉的机器人目标定位与机械臂控制python+opencv实践

通过OpenCV的Python接口来实现物体的颜色社会形态识别。通过提取目标物体的颜色信息进行HSV阈值分割,得到目标物体的三维坐标。

补救后图像

运行环境

腐蚀/膨胀

当然,opencv自身以及集成了各种颜色空间的转换函数,什么都有有在接下来的代码中只需调用其函数即可。

原图

开/闭运算的理解

对基于视觉的机械臂控制来说,机器人视觉是一一四个非常重要的主次。机器人也能在视觉的指引下,也能获取目标的正确信息,从而控制机械臂完成指定任务。视觉系统须要在标定的基础上,识别和跟踪目标对象的位置和姿态。

关于图像补救的膨胀和腐蚀操作:膨胀本来求局部最大值的操作,相反,腐蚀是求局部最小值的操作。

具体可参考这个Python+OpenCV教程12:腐蚀与膨胀

先腐蚀后膨胀会分离物体,什么都有有叫开运算,常用来去除小区域物体;

先膨胀后腐蚀会消除物体内的小孔,什么都有有叫闭运算。

注意:腐蚀和膨胀是针对图片中的白色主次!

RGB2HSV