opencv顏色過濾
❶ opencv 顏色識別，識別水體黃色、綠色，怎麼弄，希望詳細講解下軟硬體設計，因為我對這些不熟悉
你轉成別的顏色空間，比如LAB，可能好弄寫
❷ 如何用Opencv 把視頻提取的圖像中特定區域的顏色讀取出來求范常式序
for(i=0;i<Img->height;i++)
for(j=0;j<Img->width;j++)
{
color[i][j][0]=(Img->imageData+i*Img->widthStep)[3*j];
color[i][j][1]=(Img->imageData+i*Img->widthStep)[3*j+1];
color[i][j][2]=(Img->imageData+i*Img->widthStep)[3*j+2];
}
其中：img為要提取的圖像（RGB圖像，若為灰度圖像或者二值圖更簡單）；版
color數組用於存放顏色的RGB值；權
❸ opencv進行顏色識別
圖片還是視頻？
圖片的話讀到一個Mat里：
Mat img;
img.imread(address,1);
，訪問mat的元素就行了：
cout<<img.ptr<uchar>(i,j);
會輸出BGR值
❹ 如何在opencv中實現特定顏色的識別和選取
就是跟PhotoShop里魔術棒差不多？那你首先得確定：
用什麼顏色空間：RGB?HSV?YUV?
如何取特徵呢：像素值？直方圖？
用什麼分類器：SVM? 神經網路？
❺ opencv顏色識別
打開攝像頭程序的鏈接：http://blog.csdn.net/thefutureisour/article/details/7530177
把圖像轉換到HSV通道，紅色在H中有一個區間，網上查一查資料很多。
剩下的就是判斷了
❻ opencv 判斷兩個顏色是否足夠相似
例如a像素點的RGB值為（r1,g1,b1）,b點的像素值為（r2,g2,b2）,則similar=sqrt（（r1-r2）^2+（g1-g2）^2+（b2-b1）^2）就是他們的相似度量
❼ opencv顏色識別代碼
#include<iostream>
#include<cv.h>
#include"highgui.h"
#ifdef_DEBUG
#pragmacomment(lib,"opencv_core245d.lib")
#pragmacomment(lib,"opencv_highgui245d.lib")
#pragmacomment(lib,"opencv_imgproc245d.lib")
#else
#pragmacomment(lib,"opencv_core245.lib")
#pragmacomment(lib,"opencv_highgui245.lib")
#pragmacomment(lib,"opencv_imgproc245.lib")
#endif
intmain()
{
cv::VideoCapturecapture(0);
if(!capture.isOpened())
return0;
cv::Matimage,HSV,channels[3];
floatthreshold=0.3;
while(capture.read(image))
{
cv::cvtColor(image,HSV,CV_BGR2HSV);
cv::split(HSV,channels);
cv::threshold(channels[0],channels[1],15,1,CV_THRESH_BINARY_INV);
cv::threshold(channels[0],channels[0],245,1,CV_THRESH_BINARY);
channels[0]+=channels[1];
cv::erode(channels[0],channels[0],cv::Mat::ones(3,3,CV_8UC1),cv::Point(1,1),3);
cv::Scalarv=cv::sum(channels[0]);
intresult=v[0]>channels[0].total()*threshold;
std::cout<<result<<std::endl;
}
}
❽ opencv形狀識別加顏色識別
大概思路如下，可能可以改進：
1. 用Hough變換進行圓檢出
2. 對檢出的每個圓范圍內的顏色做histogram並取出現概率最高的顏色作為該圓的顏色信息
3. 將所有檢出的圓的顏色和參照物（小球）的顏色信息進行比較，取最接近的一個進行追蹤即可
❾ opencv攝像機捕捉魔方畫面進行顏色識別的問題，如題。
首先魔方要買那種磨砂的減少反光的影響。其實也就是當光線太亮或者太暗色彩分量就變小了。
然後通過方法找到魔方的邊界，然後將這個正方形部分截取出來處理。
後面就是一個面一個面的處理，將圖片分成3*3共9個塊，就是對應著9個色塊。
下面就是對每個塊的處理，去除其中的非色彩分量，就是這部分不參與後面的計算。
我曾經用過一個方法，就是通過顏色的值來區分，因為魔方有六種顏色。別的顏色基本沒什麼問題，只有紅色與橙色有問題，由於魔方生產的時候，色彩並不是標準的。所以是不能用固定閾值來處理，也不能用圖像的模版來處理，因為那樣模版要做的太多了。
個人覺得的辦法是，整個魔方所有色塊一起處理，先處理其他的顏色，最後再處理紅色與橙色，可能會更精確些。就是越靠近紅色分量的9個色塊作為紅色，越靠近橙色分量的9個色塊作為橙色。
❿ 怎麼用opencv識別pH試紙條的顏色然後匹配輸出相應的 pH值
怎麼用opencv識別pH試紙條的顏色然後匹配輸出相應的 pH值
采樣後,用水補充到采樣前的吸收液的體積.由於樣品溶液不穩定,應在6h內,按用標准溶液繪制標准曲線的操作步驟顯色,測定吸光度.
在每批樣品測定的同時,用10ml未采樣的吸收液,按相同的操作步驟作試劑空白測定.
如果樣品溶液吸光度超過標准曲線的范圍,則可取部分樣品溶液用吸收液稀釋後再分析,計算濃度時,要乘以樣品溶液的稀釋倍數.
計算1.標准溶液制備標准曲線
式中c——空氣中硫化氫濃度,mg/m3；
A——樣品溶液的吸光度；
A0——試劑空白溶液的吸光度；
Bs——用標准溶液繪制標准曲線得到的計算因子,μg；
D——分析時樣品溶液的稀釋倍數；
V0——換算成標准狀況下的采樣體積,L.
2.標准氣體制備標准曲線
式中Bg——用標准氣體繪制標准曲線得到的計算因子,mg/m3；