人工智能之视觉领域 计算机视觉 第十五章 简单物体识别

人工智能之视觉领域

第十五章 简单物体识别

文章目录

• 人工智能之视觉领域
• 前言：简单物体识别
• • 1. 通俗理解：什么是“简单物体识别”？
  • 2. 两大核心技术路线
  • 3. 形状识别：从轮廓到几何分类
  • • 3.1 核心步骤
    • 3.2 关键函数：`cv2.approxPolyDP()`
  • 4. 颜色识别：为什么用 HSV 而不是 RGB？
  • • 4.1 RGB 的问题
    • 4.2 HSV 的优势
    • 4.3 OpenCV 中的 HSV 范围（注意！）
  • 5. 完整识别流程
  • 6. 配套代码实战
  • • 示例 1：形状识别（仅基于轮廓）
    • 示例 2：颜色识别（HSV 色域分割）
    • 示例 3：形状 + 颜色联合识别（完整系统）
  • 7. 常见问题与调优技巧
  • • ❓ 问题1：颜色识别受光照影响大？
    • ❓ 问题2：形状识别不准（如圆被识别为多边形）？
    • ❓ 问题3：如何识别更多颜色（如橙色、紫色）？
  • ✅ 本章总结
• 资料关注

前言：简单物体识别

学习目标：掌握基于形状分析（轮廓 + 多边形近似）和颜色识别（HSV 色域分割）的简单物体识别方法，能从图像或视频中自动识别圆形、矩形、三角形及特定颜色的物体。

1. 通俗理解：什么是“简单物体识别”？

想象你在玩“找不同”游戏：

• 图中有红球、蓝方块、绿三角
• 你要快速说出：“这是红色的圆！”、“那是蓝色的矩形！”

✅简单物体识别 = 结合形状 + 颜色，对规则物体进行分类

• 不依赖深度学习
• 适用于工业分拣、教育机器人、玩具识别等场景

2. 两大核心技术路线

💡最佳实践：形状 + 颜色联合判断，提高准确率！

3. 形状识别：从轮廓到几何分类

3.1 核心步骤

1. 二值化：获取清晰前景
2. 查找轮廓：cv2.findContours()
3. 多边形近似：cv2.approxPolyDP()→ 得到顶点
4. 根据顶点数分类

3.2 关键函数：cv2.approxPolyDP()

epsilon=0.02*cv2.arcLength(contour,True)approx=cv2.approxPolyDP(contour,epsilon,True)

• epsilon：近似精度（越小越精确）
• 返回：多边形顶点列表

📌顶点数 ↔ 形状对应关系：

• 3 点 → 三角形
• 4 点 → 四边形（可能是矩形/正方形）

• 10 点 → 圆形（或椭圆）

4. 颜色识别：为什么用 HSV 而不是 RGB？

4.1 RGB 的问题

• 红色在暗光下变成(50, 0, 0)，亮光下变成(255, 0, 0)
• 亮度变化导致颜色值剧烈波动

4.2 HSV 的优势

• H (Hue)：颜色本身（0°~360°，如红=0°，绿=120°）
• S (Saturation)：饱和度（纯色 vs 灰色）
• V (Value)：明暗（亮 vs 暗）

✅固定 H 范围 + 宽松 S/V → 鲁棒的颜色识别

4.3 OpenCV 中的 HSV 范围（注意！）

⚠️ OpenCV 中 H 被压缩到0~180（不是 0~360）！

5. 完整识别流程

6. 配套代码实战

示例 1：形状识别（仅基于轮廓）

importcv2importnumpyasnpdefdetect_shape(approx):"""根据近似多边形顶点数判断形状"""num_vertices=len(approx)ifnum_vertices==3:return"Triangle"elifnum_vertices==4:# 可进一步判断是否为正方形x,y,w,h=cv2.boundingRect(approx)aspect_ratio=float(w)/hif0.95<=aspect_ratio<=1.05:return"Square"else:return"Rectangle"elifnum_vertices==5:return"Pentagon"elifnum_vertices>10:return"Circle"else:return"Unknown"# 创建测试图像（或读取真实图）img=np.zeros((500,800,3),dtype=np.uint8)cv2.rectangle(img,(50,50),(150,150),(255,255,255),-1)cv2.circle(img,(300,100),60,(255,255,255),-1)pts=np.array([[500,50],[550,150],[450,150]],np.int32)cv2.fillPoly(img,[pts],(255,255,255))# 转灰度 + 二值化gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)_,binary=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)# 查找轮廓contours,_=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)# 分析每个轮廓result=img.copy()forcntincontours:area=cv2.contourArea(cnt)ifarea<500:# 过滤小噪点continue# 多边形近似epsilon=0.02*cv2.arcLength(cnt,True)approx=cv2.approxPolyDP(cnt,epsilon,True)# 识别形状shape=detect_shape(approx)# 绘制结果cv2.drawContours(result,[cnt],-1,(0,255,0),2)x,y=approx.ravel()[0],approx.ravel()[1]cv2.putText(result,shape,(x,y),cv2.FONT_HERSHEY_SIMPLEX,0.8,(0,255,0),2)cv2.imshow('Shape Recognition',result)cv2.waitKey(0)cv2.destroyAllWindows()

示例 2：颜色识别（HSV 色域分割）

importcv2importnumpyasnpdefget_color_mask(hsv,color_name):"""返回指定颜色的掩码"""ifcolor_name=='red':lower1=np.array([0,100,100])upper1=np.array([10,255,255])lower2=np.array([170,100,100])upper2=np.array([180,255,255])mask1=cv2.inRange(hsv,lower1,upper1)mask2=cv2.inRange(hsv,lower2,upper2)returncv2.bitwise_or(mask1,mask2)elifcolor_name=='green':lower=np.array([40,100,100])upper=np.array([80,255,255])returncv2.inRange(hsv,lower,upper)elifcolor_name=='blue':lower=np.array([100,100,100])upper=np.array([140,255,255])returncv2.inRange(hsv,lower,upper)else:returnnp.zeros(hsv.shape[:2],dtype=np.uint8)# 读取图像（建议用彩色测试图）img=cv2.imread('color_balls.jpg')ifimgisNone:# 创建彩色测试图img=np.zeros((400,600,3),dtype=np.uint8)cv2.circle(img,(100,100),50,(0,0,255),-1)# BGR: Redcv2.circle(img,(300,100),50,(0,255,0),-1)# Greencv2.circle(img,(500,100),50,(255,0,0),-1)# Bluehsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)# 识别红色物体red_mask=get_color_mask(hsv,'red')# 形态学去噪kernel=cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))red_mask=cv2.morphologyEx(red_mask,cv2.MORPH_OPEN,kernel)red_mask=cv2.morphologyEx(red_mask,cv2.MORPH_CLOSE,kernel)# 查找轮廓contours,_=cv2.findContours(red_mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)result=img.copy()forcntincontours:ifcv2.contourArea(cnt)>500:cv2.drawContours(result,[cnt],-1,(0,255,255),2)# 黄色框x,y,w,h=cv2.boundingRect(cnt)cv2.putText(result,"Red Object",(x,y-10),cv2.FONT_HERSHEY_SIMPLEX,0.7,(0,255,255),2)cv2.imshow('Color Recognition (Red)',result)cv2.waitKey(0)cv2.destroyAllWindows()

示例 3：形状 + 颜色联合识别（完整系统）

importcv2importnumpyasnp# 定义颜色范围（HSV）color_ranges={'red':([0,100,100],[10,255,255]),'green':([40,100,100],[80,255,255]),'blue':([100,100,100],[140,255,255])}defdetect_shape(approx):n=len(approx)ifn==3:return"Triangle"elifn==4:return"Rectangle"elifn>10:return"Circle"else:return"Unknown"# 读取图像img=cv2.imread('shapes_colors.jpg')orcv2.imread(cv2.samples.findFile('lena.jpg'))hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)result=img.copy()forcolor_name,(lower,upper)incolor_ranges.items():# 处理红色跨边界ifcolor_name=='red':mask1=cv2.inRange(hsv,np.array(lower),np.array(upper))mask2=cv2.inRange(hsv,np.array([170,100,100]),np.array([180,255,255]))mask=cv2.bitwise_or(mask1,mask2)else:mask=cv2.inRange(hsv,np.array(lower),np.array(upper))# 去噪mask=cv2.morphologyEx(mask,cv2.MORPH_OPEN,np.ones((5,5),np.uint8))mask=cv2.morphologyEx(mask,cv2.MORPH_CLOSE,np.ones((5,5),np.uint8))# 找轮廓contours,_=cv2.findContours(mask,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)forcntincontours:ifcv2.contourArea(cnt)<800:continue# 形状识别epsilon=0.02*cv2.arcLength(cnt,True)approx=cv2.approxPolyDP(cnt,epsilon,True)shape=detect_shape(approx)# 绘制x,y,w,h=cv2.boundingRect(cnt)label=f"{color_name}{shape}"cv2.rectangle(result,(x,y),(x+w,y+h),(0,255,0),2)cv2.putText(result,label,(x,y-10),cv2.FONT_HERSHEY_SIMPLEX,0.7,(0,255,0),2)cv2.imshow('Color + Shape Recognition',result)cv2.waitKey(0)cv2.destroyAllWindows()

7. 常见问题与调优技巧

❓ 问题1：颜色识别受光照影响大？

✅解决：

• 调整S和V的下限（如S>50,V>50）
• 使用自适应阈值或直方图均衡化预处理

❓ 问题2：形状识别不准（如圆被识别为多边形）？

✅解决：

• 调整epsilon（尝试0.01 ~ 0.05）
• 结合圆形度判断：

  circularity=4*np.pi*area/(perimeter**2)ifcircularity>0.8:# 接近1为圆shape="Circle"

❓ 问题3：如何识别更多颜色（如橙色、紫色）？

✅解决：查 HSV 色环，设定对应 H 范围：

• 橙色：[10, 25]
• 紫色：[140, 170]

✅ 本章总结

🌟现在可以：

• 让机器人分拣红球和蓝方块
• 制作一个“形状颜色配对”教育 App
• 为工业流水线实现简单的质检功能！

资料关注

咚咚王

《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论 第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》