书接上文

以下是运行脚本的程序：（要在终端输入呦~）

如果您的环境配置正确（这意味着您安装了带有Python绑定的OpenCV），您应该将其视为输出映像：

正如你所见，红色口袋妖怪墨盒很容易被检测到！

现在让我们试试蓝色的：

不，没问题！

黄色版本也有类似的故事：

最后，还可以找到灰色Game Boy盒带的轮廓：

通过颜色校正提高颜色检测精度

在本教程中，您学习了如何通过硬编码上下RGB颜色范围来执行颜色校正。

假设你有一个包含1000幅图像的数据集，并被告知找到RGB值分别在（17、15、100）和（50、56、200）范围内的所有“红色”对象。

如果您的整个图像数据集是在受控照明条件下拍摄的，并且每个图像的照明都相同，那么这不是一项困难的任务——您可以使用上面提到的硬编码RGB值。

但是……假设你的图像数据集不是在受控的光照条件下拍摄的。其中一些是用荧光灯拍摄的，另一些是在阳光明媚的时候被带到室外拍摄的，而另一些则是在黑暗沉闷的时候拍摄的。

这里的重点是，照明条件对输出像素值有很大影响。

（以下是文章链接：https://www.pyimagesearch.com/2021/04/28/opencv-color-spaces-CV2-cvtcolor/）

在不同的光照下，颜色可能看起来非常不同，如果发生这种情况，硬编码的RGB下限和上限范围将失败。

一个潜在的解决方案是使用一个不同的颜色空间，它可以更好地模仿人类对颜色的感知——HSV和L*a*b*颜色空间是很好的选择。

更好的选择是使用颜色校正卡。将一张卡片（如上图5所示）放置在包含我们正在捕获的对象的场景中，然后通过以下方式对所有图像进行后期处理：

• 检测颜色校正卡

• 确定色块区域

• 执行直方图匹配以将颜色空间从一个图像转移到另一个图像

通过这种方式，您可以帮助确保所有图像的颜色一致，即使它们可能是在不同的照明条件下拍摄的。

为了进一步了解这项技术，我建议阅读以下两个教程：

与OpenCV、scikit图像和Python匹配的直方图

（https://www.pyimagesearch.com/2021/02/08/histogram-matching-with-opencv-scikit-image-and-python/）

使用OpenCV和Python进行自动颜色校正

（https://www.pyimagesearch.com/2021/02/15/automatic-color-correction-with-opencv-and-python/）