python - 颜色检测对网络摄像头图像效率不高

Question

我正在开发一个项目，尝试检测特定表面(竞技场)上的绿色和红色圆圈。当我尝试使用该竞技场的数字版本(PNG 图像)执行此操作时，我可以成功检测到两个彩色圆圈。

这是表面的数字图像:

现在，我在 Flex 上打印了这个竞技场(没有那两个彩色圆圈)，并手动在其上放置了彩色圆形硬币。但通过 1.3 MP 网络摄像头捕获其图像后，颜色检测不起作用并给出错误结果。

这是通过网络摄像头捕获的打印竞技场:

为什么没有检测到颜色？我需要对网络摄像头图像进行后期处理吗？我尝试通过 cv2.filter2D 锐化图像，但它也不起作用。

这是一个用于从我的 Python 代码中检测红圈的代码片段:

ip_image=cv2.imread("image.png")
kernel = np.array([[-1,-1,-1],[-1,9,-1],[-1,-1,-1]])
ip_image=cv2.filter2D(ip_image,-1,kernel)
#cv2.imshow("Hi",ip_image)
hsv=cv2.cvtColor(ip_image,cv2.COLOR_BGR2HSV)
red_low=np.array([0,255,255])
red_up=np.array([10,255,255])
mask0= cv2.inRange(hsv,red_low,red_up)
red_low=np.array([170,255,255])
red_up=np.array([180,255,255])
mask1=cv2.inRange(hsv,red_low,red_up)
mask_red=mask1+mask0
r_img= ip_image.copy()
r_img[np.where(mask_red==0)] = 0
gray_img0 = cv2.cvtColor(r_img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray_img0,0,255,0)
M = cv2.moments(thresh)
rX=int(M["m10"] / M["m00"])
rY=int(M["m01"] / M["m00"])
cv2.circle(ip_image,(rX,rY), 17, (255,255,255), 2)
cv2.imshow("Output",ip_image)

此外，当 cv2.threshold() 中的第四个参数设置为“0”时，数字图像可以正常工作，而对于网络摄像头图像，它会在该行抛出零除错误:

rX=int(M["m10"]/M["m00"])

Answer 1

绝对值得尝试改善初始条件(视角、光线、分辨率等)。网络摄像头产生的当前结果有些糟糕，因此与其花费大量时间修复该问题，不如使用不太便宜的硬件。

您可以使用一些花哨的方法来改善您的形象，但仍然最好有更有值(value)的输入。

无论如何，这是有用的部分。您的标记不是唯一的，因此任何使用颜色的尝试都需要额外的形状分析。以下是使用颜色分割的一些结果:

正如您所看到的，某些区域的颜色非常相似。我使用更高级的颜色相似度函数来处理复杂的情况。基本上，我指定了红色和绿色以及一些阈值。 Delta E将是正确的起点。让我们看看实际的形状:

利用这些结果，您可以进行简单的形状分析或仅比较区域以找到标记。我希望有更独特的颜色和更好的初始条件。

无论如何，任何现实生活场景都需要您非常小心地处理颜色:

( see in action )

类似问题:

Issue of the recognize people by their clothes color with not severe illumination environments