opencv —— 同时识别三种颜色

要点：

1.识别一种颜色

minH = ; //色相
maxH = ;

minS = ; //饱和度
maxS = ;

minV = ; //亮度
maxV = ;

// inRange(原图像, 最小值的范围, 最大值的范围, 输出图像);
//将图像二值化，即输出图像是黑白二值图像，其中 最小值<=像素点<=最大值 的像素点是白色
inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), yellowImg); 

2.识别图片中的黄蓝红三色

//创建三个 Mat 来分别存储识别黄蓝红三色并二值化后的图片
Mat yellowImg, blueImg, redImg;

for (int i = ; i < ; i++){
    switch (i){
    case : //黄色
        minH = ;
        maxH = ; 

        minS = ;
        maxS = ;

        minV = ;
        maxV = ;

        // inRange(原图像, 最小值的范围, 最大值的范围, 输出图像);
        //将图像二值化，即输出图像是黑白二值图像，其中 最小值<=像素点<=最大值 的像素点是白色
        inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), yellowImg);
        break;

    case : //蓝色
        minH = ;
        maxH = ;

        minS = ;
        maxS = ;

        minV = ;
        maxV = ;

        inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), blueImg);
        break;

    case : //红色
        minH = ;
        maxH = ; 

        minS = ;
        maxS = ;

        minV = ;
        maxV = ;

        inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), redImg);
        break;

    default:
        printf("颜色标志输入错误\n");
    }
}

3.合并三张图片

Mat resultImg;
Mat yeBluImg;

//图像算数运算————bitwise_or() 合并运算（或） 
bitwise_or(yellowImg, blueImg, yeBluImg); 
bitwise_or(yeBluImg, redImg, resultImg); 

4.图片去噪

//开操作 (去除一些噪点)：先腐蚀，再膨胀，可清除一些小东西(亮的)，放大局部低亮度的区域
//如果二值化后图片干扰部分依然很多，增大下面的size
Mat eleOpen = getStructuringElement(MORPH_RECT, Size(, ));//返回指定形状和尺寸的结构元素
morphologyEx(resultImg, resultImg, MORPH_OPEN, eleOpen);

代码示例：

#include<opencv.hpp>
using namespace cv;
using namespace std;
int main(){

    Mat srcImg = imread("C:/Users/齐明洋/Desktop/tem2.png");

    Mat hsvImg;

    //将RGB颜色空间转换为HSV颜色空间
    cvtColor(srcImg, hsvImg, COLOR_BGR2HSV); 

    int minH = ;
    int maxH = ; 

    int minS = ;
    int maxS = ;

    int minV = ;
    int maxV = ;

    Mat yellowImg, blueImg, redImg;

    for (int i = ; i < ; i++){
        switch (i){
        case : //黄色
            minH = ;
            maxH = ; 

            minS = ;
            maxS = ;

            minV = ;
            maxV = ;

            // inRange(原图像, 最小值的范围, 最大值的范围, 输出图像);
            //将图像二值化，即输出图像是黑白二值图像，其中 最小值<=像素点<=最大值 的像素点是白色
            inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), yellowImg);
            break;

        case : //蓝色
            minH = ;
            maxH = ;

            minS = ;
            maxS = ;

            minV = ;
            maxV = ;

            inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), blueImg);
            break;

        case : //红色
            minH = ;
            maxH = ; 

            minS = ;
            maxS = ;

            minV = ;
            maxV = ;

            inRange(hsvImg, Scalar(minH, minS, minV), Scalar(maxH, maxS, maxV), redImg);
            break;

        default:
            printf("颜色标志输入错误\n");
        }
    }

    Mat resultImg;
    Mat yeBluImg;

    //图像算数运算————合并（或）
    bitwise_or(yellowImg, blueImg, yeBluImg);
    bitwise_or(yeBluImg, redImg, resultImg); 

    //开操作 (去除一些噪点) 如果二值化后图片干扰部分依然很多，增大下面的size
    Mat eleOpen = getStructuringElement(MORPH_RECT, Size(, ));//返回指定形状和尺寸的结构元素
    morphologyEx(resultImg, resultImg, MORPH_OPEN, eleOpen);

imshow("原始图片", srcImg);
      imshow("识别结果", resultImg);

    waitKey();
    return ;
}

运行结果：