基于OpenCV的图像颜色与形状识别设计与实现实验指导书

一、实验目的：

通过本实验，学生将了解图像颜色与形状的基本概念，并掌握使用OpenCV进行图像颜色与形状识别的方法。具体操作包括图像剪裁、颜色识别、轮廓检测。

二、实验器材：

计算机
安装了Python和OpenCV库的开发环境
彩色图像

三、实验步骤：

1、导入必要的库：

import cv2 as cv

import numpy as np

import math

from PIL import Image, ImageDraw, ImageFont

2、设定颜色阈值：根据需要识别的颜色，设定相应的颜色阈值。例如：

lower_red = np.array([0, 120, 100])

upper_red = np.array([10, 255, 255])

3、定义计算角度和距离的函数：

def calculating_angle(p1, p2, p0):

# 计算角度

def calculating_distance(p0, p1):

# 计算距离

4、定义形状识别函数：

def getShape(cnt):

# 根据轮廓获取形状

5、定义添加文本和矩形框的函数：

def cv2ImgAddText(img, shapes, textColor=(255, 0, 0)):

# 添加文本

def cv2ImgAddRect(img, shapes):

# 添加矩形框

6、定义颜色分割函数：

def colorDivision(name, roi_bgr, lowerb, upperb):

# 根据颜色阈值进行图像分割

7、加载图像：

roi_bgr = cv.imread('Shape1.png')

8、分割图像并进行形状识别：

# 每次分割一种颜色

colorDivision("红色", roi_bgr, lower_red, upper_red)

# 其他颜色的分割类似

# 添加文本和矩形框

roi_bgr = cv2ImgAddText(roi_bgr, shape_list)

roi_bgr = cv2ImgAddRect(roi_bgr, shape_list)

9、显示结果图像：

cv.imshow('roi_bgr', roi_bgr)

cv.waitKey()

cv.destroyAllWindows()

10、保存结果图像：

cv.imwrite("result.png", roi_bgr)

四、注意事项：

实验中使用的图像应包含需要识别的颜色和形状。
可根据需要自定义颜色阈值和形状判断条件。
实验过程中可根据需要调整参数和算法以获得更好的识别效果。

五、实验扩展：

可以尝试在实验中添加其他功能，例如：添加图像预处理步骤，如高斯模糊、边缘检测等，以提高识别效果。在图像中绘制轮廓线、角点等标记，以更直观地展示识别结果。

对于无法识别的形状，尝试使用机器学习算法进行分类和识别。

通过以上实验，可以了解到图像颜色与形状识别的基本原理和方法，并掌握使用OpenCV进行相关操作的能力。同时，通过实际操作，学生可以加深对图像处理和计算机视觉的理解，为进一步的研究和应用打下基础。

六、实验报告：

撰写一个简单的实验报告，包括实验目的、步骤、结果和总结。报告中应包含实验过程中的所有数据、参数调整的观察和分析，以及对实验结果的讨论。