前言

玩一玩用opencv做一些简单的物体识别

1.思路讲解

我们基于简单的opencv的阈值分割，通过这个阈值分割，我们能把我们需要识别的物体在二值图里面变成白色，其余的变成黑色。然后对我们分割出来的物体部分提取轮廓，算出覆盖轮廓的最小矩形，然后画出这个矩形框，并且表上我们物体的名字。

2.样本展示

样本图

样本图
笔者就以这两张图片为例子，提取这两张图片里面的橙子。按照我们上面的思路，我们需要的是把橙子这个部分分割出来变成变成二值图的白色部分，其他部分变成黑色。

3.代码实现

首先我们读入一张橙子的图片，因为opencv默认读入的图片是bgr的形式，我们用的是hsv的颜色阈值，因此我们要将图片转换到hsv。然后经过一个中值滤波去除噪声，再经过一个开运算。

image=cv2.imread("c4.jpeg")
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hsv = cv2.medianBlur(hsv, 5)
mask = cv2.inRange(hsv, (11, 43, 46), (25, 255, 255))
line = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15), (-1, -1))
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, line)

其中cv2.inRange会将图片中hsv值在(11, 43, 46),和(25, 255, 255)中间的值变成白色，不在中间的值变成黑色。
最后咱们处理好的二值图如下：

然后就是提取轮廓，求出最大轮廓，这个最大轮廓也就是我们的橙子

contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)index = -1max = 0font = cv2.FONT_HERSHEY_SIMPLEXfor c in range(len(contours)):area = cv2.contourArea(contours[c])if area > max:max = areaindex = c

随后就是对这个橙子的轮廓求外接矩形，然后把这个矩形画出来，并且再对应的位置上标上orange。

    if index >= 0:x, y, w, h = cv2.boundingRect(contours[index])cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.putText(image,"orange",(x, y), font, 1.2, (0, 0, 255), 2)

最后的结果图片如下：

4.总结

完整的代码如下：

import cv2def process(image):hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)hsv = cv2.medianBlur(hsv, 5)mask = cv2.inRange(hsv, (11, 43, 46), (25, 255, 255))line = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5), (-1, -1))mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, line)cv2.imshow("mask",mask)# 轮廓提取, 发现最大轮廓contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)index = -1max = 0font = cv2.FONT_HERSHEY_SIMPLEXfor c in range(len(contours)):area = cv2.contourArea(contours[c])if area > max:max = areaindex = c# 绘制if index >= 0:x, y, w, h = cv2.boundingRect(contours[index])cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.putText(image,"orange",(x, y), font, 1.2, (0, 0, 255), 2)return imageimage=cv2.imread("c1.jpeg")
result = process(image)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

上面的代码是在图片中寻找图片中最大面积的橘子，下面我们设定一个面积阈值,只要大于这个阈值就是我们需要识别的目标，代码如下：

import cv2def process(image):#面积阈值min_area=100hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)hsv = cv2.medianBlur(hsv, 5)mask = cv2.inRange(hsv, (11, 43, 46), (25, 255, 255))line = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5), (-1, -1))mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, line)cv2.imshow("mask",mask)contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)font = cv2.FONT_HERSHEY_SIMPLEXfor c in range(len(contours)):area = cv2.contourArea(contours[c])if area > min_area:# 绘制x, y, w, h = cv2.boundingRect(contours[c])cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.putText(image,"orange",(x, y), font, 1.2, (0, 0, 255), 2)return imageimage=cv2.imread("c1.jpeg")
result = process(image)
cv2.imshow("result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()