本文将介绍OpenCV对物体颜色识别并框选出来准确对颜色进行较大范围框选，统一使用绿色边界框显示。识别物体内部的颜色边缘轮廓，以白色为边缘，对物体的框选更加细致。并在窗口中的边框旁打印上颜色对应的英文字母的代码（本文以视频为例。如需摄像头实时识别可将程序中 cap = cv2.VideoCapture("111.mp4")改为 cap = cv2.VideoCapture("0")）。

 这是原视频： 

这是经处理后的视频：

OpenCV对物体颜色识别

1.首先要对颜色范围做一些了解这是颜色识别的重中之重，下面是一些常用颜色：

   （1）红色（Red）: 由于红色位于色相环的两端（0°和360°附近），所以有两个范围： 低值范围：H:0-10（对应0°-20°） 或者 高值范围：H:170-180（对应340°-360°）

   （2）绿色（Green）: 绿色的色相大约在120°（普通HSV），对应OpenCV的60，实际范围可能在36-70（即普通HSV的72°-140°）之间，但核心绿色在60左右。

   （3）蓝色（Blue）: 蓝色的色相在240°（普通HSV），对应OpenCV的120，实际范围在100-130（普通HSV200°-260°）之间。

   （4）黄色（Yellow）: 黄色的色相在60°（普通HSV），对应OpenCV的30，实际范围在26-35（普通HSV52°-70°）之间。

   （5）橙色（Orange，即橘黄色）: 橙色的色相在30°（普通HSV）附近，对应OpenCV的15，实际范围在11-25（普通HSV22°-50°）之间。

   （6）紫色（Purple）: 紫色的色相大约在270°（普通HSV），对应OpenCV的135，实际范围在131-160（普通HSV262°-320°）之间，但注意不要与红色或蓝色重叠。

但是，由于实际应用中的光照和物体差异，这些范围可能需要调整。因此，根据搜索结果的描述，结合OpenCV的实际情况，可以给出如下范围：

注意：下面给出的范围是OpenCV中的数值（H:0-180, S:0-255, V:0-255），并且是每个颜色的大致范围。

通常，饱和度（S）和明度（V）的下限可以设为50-100以上以避免太暗或太灰的区域，上限为255。但是具体的上下限可以根据实际图像调整。

以下是一个表格总结：

颜色 H(色相) 范围 S(饱和度) 范围 V(明度) 范围 应用说明
红色 [0, 10] 或
[170, 180]		 100-255 50-255 需检测两个区间（色环两端）
蓝色 [100, 130] 100-255 50-255 稳定区域
绿色 [35, 80] 80-255 40-255 较宽范围（包含浅绿到深绿）
黄色 [20, 35] 100-255 120-255 明度要求较高
橘黄色 [5, 20] 150-255 100-255 高饱和度区域
紫色 [125, 160] 100-255 50-200 避免亮度过高（可能偏粉）

 接下来进入主题：

（1）载入opencv，载入库，对识别物体颜色进行范围定义。（注：红色有两个范围： 低值范围：H:0-10（对应0°-20°） 或者 高值范围：H:170-180（对应340°-360°）），并对识别时框选颜色英文字母进行设置。

import cv2
import numpy as np    #载入opencv载入库

# 颜色范围定义 (HSV格式)
color_ranges = {
    'red': ([0, 120, 70], [10, 255, 255]),
    'red2': ([170, 120, 70], [180, 255, 255]),  # 红色在HSV中有两部分
    'green': ([40, 40, 40], [80, 255, 255]),
    'blue': ([90, 50, 50], [130, 255, 255]),
    'yellow': ([20, 100, 100], [40, 255, 255]),
    'orange': ([10, 100, 100], [20, 255, 255]),
    'purple': ([130, 40, 40], [170, 255, 255])
}

# 颜色对应的字母和显示颜色
color_info = {
    'red': ('R', (0, 0, 255)),
    'green': ('G', (0, 255, 0)),
    'blue': ('B', (255, 0, 0)),
    'yellow': ('Y', (0, 255, 255)),
    'orange': ('O', (0, 165, 255)),
    'purple': ('P', (128, 0, 128))}

 （2）将图像从BGR色彩空间转换到HSV色彩空间。

  • frame`: 输入的图像（OpenCV默认以BGR格式读取）。
  • `cv2.cvtColor()`: OpenCV的色彩空间转换函数。
  • `cv2.COLOR_BGR2HSV`: 转换标志，指定从BGR到HSV的转换。
def detect_colors(frame):
    # 转换为HSV颜色空间
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

 （3）对每种颜色进行处理：

        创建掩膜将颜色范围的下限值转换为OpenCV可识别的无符号8位整数数组  Python列表 → OpenCV兼容数组

        去除噪声将二值化掩膜(mask)进行形态学开运算处理，作用是去除噪声斑点+平滑物体边界，让颜色检测结果更准确。

 # 对每种颜色进行处理
    for color_name, (lower, upper) in color_ranges.items():
        # 创建颜色掩膜
        lower = np.array(lower, dtype=np.uint8)  #将颜色范围的下限值转换为OpenCV
可识别的无符号8位整数数组  Python列表 → OpenCV兼容数组
        
        upper = np.array(upper, dtype=np.uint8)
        mask = cv2.inRange(hsv, lower, upper)
        
        # 如果处理红色，需要合并两个红色范围
        if color_name == 'red':
            lower2 = np.array(color_ranges['red2'][0], dtype=np.uint8)
            upper2 = np.array(color_ranges['red2'][1], dtype=np.uint8)
            mask2 = cv2.inRange(hsv, lower2, upper2)
            mask = cv2.bitwise_or(mask, mask2)
            color_name = 'red'  # 统一使用red作为键
# 形态学操作去除噪声
        kernel = np.ones((5, 5), np.uint8)
#二值化掩膜(mask)进行形态学开运算处理，作用是去除噪声斑点+平滑物体边界，让颜色检测结果更准确。
        mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
        mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

 （4）创建查找轮廓并对边界框进行设置：

# 查找轮廓
        contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        
        # 为每个轮廓绘制边界框和边缘
        for cnt in contours:
            # 忽略小面积区域
            if cv2.contourArea(cnt) < 500:
                continue
                
            # 获取大致边界框 (绿色)
            x, y, w, h = cv2.boundingRect(cnt)
            cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
            
            # 获取更精确的边缘 (白色)
            epsilon = 0.02 * cv2.arcLength(cnt, True)
            approx = cv2.approxPolyDP(cnt, epsilon, True)
            cv2.drawContours(frame, [approx], -1, (255, 255, 255), 1)
            
            # 显示颜色字母 (使用原始颜色名称，不包括red2)
            if color_name in color_info:
                letter, text_color = color_info[color_name]
                cv2.putText(frame, letter, (x, y-10), 
                           cv2.FONT_HERSHEY_SIMPLEX, 0.9, text_color, 2)
    
    return frame

 （5）读取视频文件对之前设置进行绘制并展示出来：

      本文以视频为例。如需摄像头实时识别可将程序中 cap = cv2.VideoCapture("111.mp4")改为 cap = cv2.VideoCapture("0")

# 主程序
def main():
    # 可以选择摄像头或视频文件
    cap = cv2.VideoCapture("111.mp4")  # 0表示默认摄像头,视频：支持常见格式如 .mp4, .avi，需确保路径正确且文件存在。
    
    while True:
        ret, frame = cap.read()
        if not ret:
            break
            
        # 检测并绘制颜色
        result = detect_colors(frame)
        
        # 显示结果
        cv2.imshow('Color Detection', result)
        
        # 按q退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
            
    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

  本文用的是vscode配置python开发环境编写opencv。通过将视频转换为 HSV、定义红色蓝黄橘黄紫色的范围、查找轮廓，框选显现颜色首写字母并展示出来，这种方法对于计算机视觉中的颜色识别任务非常强大。

这是完整代码：

import cv2
import numpy as np

# 颜色范围定义 (HSV格式)
color_ranges = {
    'red': ([0, 120, 70], [10, 255, 255]),
    'red2': ([170, 120, 70], [180, 255, 255]),  # 红色在HSV中有两部分
    'green': ([40, 40, 40], [80, 255, 255]),
    'blue': ([90, 50, 50], [130, 255, 255]),
    'yellow': ([20, 100, 100], [40, 255, 255]),
    'orange': ([10, 100, 100], [20, 255, 255]),
    'purple': ([130, 40, 40], [170, 255, 255])
}

# 颜色对应的字母和显示颜色
color_info = {
    'red': ('R', (0, 0, 255)),
    'green': ('G', (0, 255, 0)),
    'blue': ('B', (255, 0, 0)),
    'yellow': ('Y', (0, 255, 255)),
    'orange': ('O', (0, 165, 255)),
    'purple': ('P', (128, 0, 128))
}

def detect_colors(frame):
    # 转换为HSV颜色空间
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    
    # 对每种颜色进行处理
    for color_name, (lower, upper) in color_ranges.items():
        # 创建颜色掩膜
        lower = np.array(lower, dtype=np.uint8)  #将颜色范围的下限值转换为
        #OpenCV可识别的无符号8位整数数组  Python列表 → OpenCV兼容数组
        
        upper = np.array(upper, dtype=np.uint8)
        mask = cv2.inRange(hsv, lower, upper)
        
        # 如果处理红色，需要合并两个红色范围
        if color_name == 'red':
            lower2 = np.array(color_ranges['red2'][0], dtype=np.uint8)
            upper2 = np.array(color_ranges['red2'][1], dtype=np.uint8)
            mask2 = cv2.inRange(hsv, lower2, upper2)
            mask = cv2.bitwise_or(mask, mask2)
            color_name = 'red'  # 统一使用red作为键
        
        # 形态学操作去除噪声
        kernel = np.ones((5, 5), np.uint8)
        #二值化掩膜(mask)进行形态学开运算处理，
        # 作用是去除噪声斑点+平滑物体边界，让颜色检测结果更准确。
        mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
        mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
        
        # 查找轮廓
        contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        
        # 为每个轮廓绘制边界框和边缘
        for cnt in contours:
            # 忽略小面积区域
            if cv2.contourArea(cnt) < 500:
                continue
                
            # 获取大致边界框 (绿色)
            x, y, w, h = cv2.boundingRect(cnt)
            cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
            
            # 获取更精确的边缘 (白色)
            epsilon = 0.02 * cv2.arcLength(cnt, True)
            approx = cv2.approxPolyDP(cnt, epsilon, True)
            cv2.drawContours(frame, [approx], -1, (255, 255, 255), 1)
            
            # 显示颜色字母 (使用原始颜色名称，不包括red2)
            if color_name in color_info:
                letter, text_color = color_info[color_name]
                cv2.putText(frame, letter, (x, y-10), 
                           cv2.FONT_HERSHEY_SIMPLEX, 0.9, text_color, 2)
    
    return frame

# 主程序
def main():
    # 可以选择摄像头或视频文件
    cap = cv2.VideoCapture("111.mp4")  # 0表示默认摄像头,视频：支持常见格式如 .mp4, .avi，需确保路径正确且文件存在。
    
    while True:
        ret, frame = cap.read()
        if not ret:
            break
            
        # 检测并绘制颜色
        result = detect_colors(frame)
        
        # 显示结果
        cv2.imshow('Color Detection', result)
        
        # 按q退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
            
    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

 感谢阅读观看！！

# opencv # 人工智能 # 计算机视觉 # python # 嵌入式硬件 # 音视频
Logo
火山引擎 ADG 社区

火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。

更多推荐

OpenClaw 本地部署完整指南（Windows + Ollama）

本文档基于实际部署经验编写，旨在帮助你在 Windows 系统上从零开始搭建 OpenClaw，并连接本地 Ollama 模型（如 Qwen2.5 或 Qwen3），使其具备完整的智能体能力。文档包含了所有关键步骤以及常见问题的解决方案。

avatar 火山引擎 ADG 社区

OpenClaw 小白安装指南（Windows版）

（类似一个能自动执行任务的AI机器人），不是游戏。API Key只保存在你本地电脑的加密文件里，不会上传到任何地方。访问：https://github.com/miaoxworld/openclaw-manager/releases。: 一键安装脚本会自动安装Node.js 22+，如果失败，手动下载安装：https://nodejs.org/：在PowerShell中，鼠标右键就是粘贴，不需要按

avatar 火山引擎 ADG 社区

飞书 × OpenClaw 接入指南：不用服务器，用长连接把机器人跑起来

这个项目存在的意义，就是把“飞书接 OpenClaw”这件事，整理成一套的配置入口，并把官方文档没覆盖到的坑集中写成排查清单。先说清楚它的角色：OpenClaw 现在已经内置官方飞书插件 @openclaw/feishu，功能更完整、维护也更及时。，说明飞书 + AI 的接入已经走通。另外，仓库也推荐了一个新项目：把 OpenClaw 变成“多 Agent 团队”，用多个 Agent 分工，Sla

avatar 火山引擎 ADG 社区