网络摄像头图像的颜色检测效率不高

Question

我正在做一个项目，试图探测特定表面（竞技场）上的绿色和红色圆圈。当我尝试使用数字版本的竞技场（PNG图像）时，我可以成功地检测到两个彩色圆圈。

现在，我将这个竞技场打印在一个flex上（没有这两个彩色圆圈），并手动在上面放置彩色圆形硬币。但在通过1.3 MP的网络摄像头捕捉到它的图像后，颜色检测无法工作，并给出了错误的结果。

以下是通过网络摄像头拍摄的打印竞技场：

为什么没有检测到颜色？我需要对网络摄像头图像进行后处理吗？我试图通过2D锐化cv2.filter图像，但它也不起作用。

下面是从我的Python代码中检测红圈的片段：

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)

还有cv2中的第四个html" target="_blank">参数。threshold（）设置为“0”时，可以正确处理数字图像，而对于网络摄像头图像，它会在以下行中抛出零除法错误：

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

Answer 1

由于光的变化，硬阈值不会帮助你找到期望的圆，你应该考虑目标颜色的间隔。例如，找到绿色值在200到255之间的所有像素（通过尝试和错误设置），以确保始终捕捉到小圆圈。

现在，图像的其他部分也可能在阈值化后存活下来。在这种情况下，您可以通过形状分析方法（如Hough Circle detector）或基于其尺寸来过滤这些不需要的零件。

Answer 2

改善初始条件（透视、光线、分辨率等）绝对值得尝试。网络摄像头产生的当前结果有些糟糕，所以与其花大量时间修复，不如使用更便宜的硬件。

你可以用一些花哨的方法来改善你的形象，但尽管如此，最好有更多有价值的投入。

正如你所看到的，有些区域的颜色非常相似。我使用了更高级的颜色相似性函数来处理复杂的情况。基本上，我用一些阈值指定了红色和绿色。Delta E将是正确的起点。让我们看看实际的形状：

有了这些结果，你可以做一个简单的形状分析，或者只是比较区域来找到你的标记。我更喜欢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你在使用颜色时非常小心：

（见行动中）

类似的问题：

在光照不强的环境下，通过衣服颜色识别人的问题