使用OpenCV和Python在HSV颜色空间中实现精确的黄色物体检测

import cv2
import numpy as np

# 加载图像
# 替换 'screenshot.png' 为你的图像文件路径
image = cv2.imread('screenshot.png')

# 检查图像是否成功加载
if image is None:
    print("错误：无法加载图像。请检查文件路径。")
    exit()

# 可选：显示原始图像
# cv2.imshow("Original Image", image)
# cv2.waitKey(0)

# 将BGR图像转换为HSV图像
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义黄色的HSV范围
# H: 20-30 (黄色色相范围)
# S: 100-255 (饱和度，避免灰色)
# V: 100-255 (亮度，避免黑色)
lower_yellow = np.array([20, 100, 100])
upper_yellow = np.array([30, 255, 255])

# 根据HSV范围创建掩码
mask = cv2.inRange(hsv_image, lower_yellow, upper_yellow)

# 将掩码应用到原始图像，提取黄色物体
result = cv2.bitwise_and(image, image, mask=mask)

# 对掩码进行阈值处理（如果需要，虽然inRange已经生成二值图）
# ret, thresh = cv2.threshold(mask, 40, 255, 0) # inRange生成的mask已经是二值图，这一步通常不是必需的，除非需要进一步处理

# 查找轮廓
# cv2.RETR_EXTERNAL 只检测最外层轮廓
# cv2.CHAIN_APPROX_SIMPLE 压缩水平、垂直和对角线段，只保留端点
contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制检测到的轮廓（可选）
# 如果需要，可以在原始图像或结果图像上绘制轮廓
# cv2.drawContours(image, contours, -1, (0, 255, 0), 2) # 在原始图像上绘制绿色轮廓

# 检查是否检测到黄色物体
if len(contours) > 0:
    print(f"检测到 {len(contours)} 个黄色物体。")
    # 可以遍历轮廓进行进一步处理，例如计算面积、绘制边界框等
    for contour in contours:
        area = cv2.contourArea(contour)
        if area > 100:  # 过滤掉过小的噪声轮廓
            x, y, w, h = cv2.boundingRect(contour)
            cv2.rectangle(result, (x, y), (x + w, y + h), (0, 255, 0), 2) # 在结果图像上绘制绿色边界框
else:
    print("未检测到黄色物体。")

# 显示结果
cv2.imshow("Original Image", image)
cv2.imshow("Yellow Mask", mask)
cv2.imshow("Detected Yellow Objects", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
import numpy as np

def detect_yellow_objects(image_path):
    """
    在HSV颜色空间中检测图像中的黄色物体。

    参数:
        image_path (str): 图像文件的路径。
    """
    # 1. 加载图像
    image = cv2.imread(image_path)

    if image is None:
        print(f"错误：无法加载图像 '{image_path}'。请检查文件路径。")
        return

    # 2. 将BGR图像转换为HSV图像
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

    # 3. 定义黄色的HSV范围
    # 这些值可能需要根据实际图像的黄色色调和光照条件进行微调
    lower_yellow = np.array([20, 100, 100])
    upper_yellow = np.array([30, 255, 255])

    # 4. 根据HSV范围创建掩码
    mask = cv2.inRange(hsv_image, lower_yellow, upper_yellow)

    # 5. 应用掩码到原始图像，提取黄色物体
    result = cv2.bitwise_and(image, image, mask=mask)

    # 6. (可选) 轮廓检测与分析
    # 查找轮廓
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    if len(contours) > 0:
        print(f"检测到 {len(contours)} 个潜在的黄色区域。")
        # 遍历轮廓，绘制边界框并过滤小噪声
        for contour in contours:
            area = cv2.contourArea(contour)
            if area > 100:  # 设置一个最小面积阈值来过滤噪声
                x, y, w, h = cv2.boundingRect(contour)
                cv2.rectangle(result, (x, y), (x + w, y + h), (0, 255, 0), 2) # 在结果图像上绘制绿色边界框
                cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) # 也可以在原始图像上绘制
    else:
        print("未检测到明显的黄色物体。")

    # 7. 显示结果
    cv2.imshow("Original Image with Detections", image)
    cv2.imshow("Yellow Mask", mask)
    cv2.imshow("Detected Yellow Objects (Highlighted)", result)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

if __name__ == "__main__":
    # 请将 'screenshot.png' 替换为你的图像文件路径
    detect_yellow_objects('screenshot.png')