opencv+python提取图片中某一颜色的物体

1. 调用库函数

import cv2
import numpy as np

2. cv2.creatTrackbar()函数的回调子程序

def empty(a):
    pass

这个回调函数一般是固定格式。
调用方法例如：cv2.createTrackbar(“Hue Min”,“TrackBars”, 0, 179, empty)

3. 图片排列显示图片

用于对比看出各种处理方式的不同，第一个参数为缩放比例0~1之间；第二个参数为图像排列构成的矩阵。
调用方法例如： imgStacked = stackImages(0.6, ([img, imgHSV], [mask, imgResult]))

def stackImages(scale,imgArray):
    rows = len(imgArray)
    cols = len(imgArray[0])
    rowsAvailable = isinstance(imgArray[0], list) # 判断是否是列表形式，若是则回True
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]
    if rowsAvailable:
        for x in range(0, rows):
            for y in range(0, cols):
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape[:2]:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
                if len(imgArray[x][y].shape) == 2: imgArray[x][y] = cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank]*rows
        hor_con = [imageBlank]*rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor= np.hstack(imgArray)
        ver = hor	#返回的是图像，只需要调用imshow()函数正常显示即可。
    return ver

4. 创建跟踪栏

一般要用hsv颜色空间选取颜色，因为hsv空间比rgb空间更能够分辨不同的颜色，便于选取颜色。hsv分别是：色调，饱和度和亮度。
这里通过跟踪栏改变hsv的值，从而选取图片中所需颜色。
hue的范围一般为0~180，其他两个为0 ~255。

path = "resource/car4.jpg"
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,340)
# 创建跟踪栏
cv2.createTrackbar("Hue Min","TrackBars", 0, 179, empty)   #色调
cv2.createTrackbar("Hue Max","TrackBars", 179, 179, empty)
cv2.createTrackbar("Sat Min","TrackBars", 0, 255, empty)   #饱和度
cv2.createTrackbar("Sat Max","TrackBars", 255, 255, empty)
cv2.createTrackbar("Val Min","TrackBars", 0, 255, empty)  #亮度,用HSV空间更能体现人眼对不同颜色的差别
cv2.createTrackbar("Val Max","TrackBars", 255, 255, empty)

5. 主程序

先读出图片并转换为灰度图片，再获取跟踪栏的值，然后根据得到的hsv值设阈值，去除背景部分，
然后将该图片与原图片进行“与”操作，去除背景，然后通过前面stackImages函数显示出来。

while True:
    img = cv2.imread(path)
    imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)        # 转换为HSV空间
    h_min = cv2.getTrackbarPos("Hue Min", "TrackBars")
    h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")
    s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")
    s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")
    v_min = cv2.getTrackbarPos("Val Min", "TrackBars")
    v_max = cv2.getTrackbarPos("Val Max", "TrackBars")
    print(h_min,h_max,s_min,s_max,v_min,v_max)

    lower = np.array([h_min,s_min,v_min])
    upper = np.array([h_max,s_max,v_max])
    mask = cv2.inRange(imgHSV,lower,upper)
    imgResult = cv2.bitwise_and(img,img,mask=mask)
    imgStacked = stackImages(0.6, ([img, imgHSV], [mask, imgResult]))
    cv2.imshow("Stacked images", imgStacked)
    cv2.waitKey(1)

6. 测试结果

跟踪栏：

颜色选取结果&图片显示：