在本文中，我将向您展示如何使用OpenCV和Python执行颜色检测。

OpenCV和Python颜色检测

让我们开始吧。

打开你最喜欢的python编辑器，创建一个名为 q的文件:

我们将从第3-5行导入必要的包开始。我们将使用NumPy进行数值处理，使用argparse解析命令行参数，使用CV2进行OpenCV绑定。

第8-10行处理命令行参数的解析。我们只需要一个开关，即映像，它是指向映像驻留在磁盘上的路径。

然后，在第13行，我们从磁盘上加载图像。

现在，有趣的部分来了。

我们希望能够检测图像中的每个Game Boy盒带。这意味着我们必须识别图像中的红色、蓝色、黄色和灰色。

让我们继续定义以下颜色列表：

我们在这里所做的只是在RGB颜色空间中定义一个边界列表（或者更确切地说，BGR，因为OpenCV以相反的顺序将图像表示为NumPy数组），其中列表中的每个条目都是一个具有两个值的元组：一个下限列表和一个上限列表。

例如，让我们看看元组（[17,15100]，[50,56200]）。

这里，我们的意思是，图像中R>=100、B>=15和G>=17以及R<=200、B<=56和G<=50的所有像素都将被视为红色。

现在我们有了边界列表，我们可以使用CV2。inRange函数执行实际颜色检测。

我们来看看：

我们开始在第24行的上限和下限上循环，然后在第26行和第27行将上限和下限转换为NumPy数组。这两行代码似乎可以省略，但在使用OpenCV Python绑定时，OpenCV希望这些限制是NumPy数组。此外，由于这些是在[0，256]范围内的像素值，我们可以使用无符号8位整数数据类型。

要使用OpenCV执行实际的颜色检测，请查看第31行，其中使用了CV2。inRange函数。

CV2.inRange函数需要三个参数：第一个参数是我们要执行颜色检测的图像，第二个参数是要检测的颜色的下限，第三个参数是要检测的颜色的上限。

打了CV2之后。在range中，返回一个二进制掩码，其中白色像素（255）表示落入上限和下限范围的像素，而黑色像素（0）则不属于上限和下限范围。

注意：我们正在RGB颜色空间中执行颜色检测。但你也可以在HSV或L*a*b*颜色空间中轻松实现。您只需根据各自的颜色空间调整上限和下限。

为了创建输出图像，我们在第32行应用遮罩。这个呼叫只会呼叫CV2.bitwise_and，仅显示图像中遮罩中具有相应白色（255）值的像素。

最后，我们的输出图像显示在第35行和第36行。

不错。只有36行代码，其中绝大多数是导入、参数解析和注释。

让我们继续运行我们的脚本：

（这就等待下一篇的内容吧，以下为原文的链接：

https://www.pyimagesearch.com/2014/08/04/opencv-python-color-detection/）