【更新】主要提供兩種方案：

方案一：（參考網上程式碼，感覺實用性不是很強）使用PIL擷取影象，然後將RGB轉為HSV進行判斷，統計判斷顏色，最後輸出RGB值

方案二：使用opencv庫函式進行處理。（效果不錯）

1、將圖片顏色轉為hsv，
2、使用cv2.inRange()函式進行背景顏色過濾
3、將過濾後的顏色進行二值化處理
4、進行形態學腐蝕膨脹，cv2.dilate()
5、統計白色區域面積

詳解：方案一：

轉載出處：www.jb51.net/article/62526.htm

專案實際需要，對識別出來的車車需要標記顏色，因此採用方案如下：

1、通過import PIL.ImageGrab as ImageGrab 將識別出來的汽車矩形框裁剪出來

img_color=image.crop((left,right,top,bottom))

2、將裁剪出來的image進行顏色影象識別

RGB和hsv中間的轉換關係，網上很多，我也沒有具體去研究如何轉換的，能用就行

附上測試，封裝成函式方法：

import colorsys
import PIL.Image as Image
 
def get_dominant_color(image):
  max_score = 0.0001
  dominant_color = None
  for count,(r,g,b) in image.getcolors(image.size[0]*image.size[1]):
    # 轉為HSV標準
    saturation = colorsys.rgb_to_hsv(r/255.0,g/255.0,b/255.0)[1]
    y = min(abs(r*2104+g*4130+b*802+4096+131072)>>13,235)
    y = (y-16.0)/(235-16)
 
    #忽略高亮色
    if y > 0.9:
      continue
    score = (saturation+0.1)*count
    if score > max_score:
      max_score = score
      dominant_color = (r,b)
  return dominant_color
 
 
if __name__ == '__main__':
  image = Image.open('test.jpg')
  image = image.convert('RGB')
  print(get_dominant_color(image))

測試圖

結果

在這個網上查詢RGB數值對應的顏色

http://tools.jb51.net/static/colorpicker/index.html

方案二：opencv計算機視覺庫函式處理

1、定義HSV顏色字典，參考網上HSV顏色分類

程式碼如下：

import numpy as np
import collections
 
#定義字典存放顏色分量上下限
#例如：{顏色: [min分量,max分量]}
#{'red': [array([160,43,46]),array([179,255,255])]}
 
def getColorList():
  dict = collections.defaultdict(list)
 
  # 黑色
  lower_black = np.array([0,0])
  upper_black = np.array([180,46])
  color_list = []
  color_list.append(lower_black)
  color_list.append(upper_black)
  dict['black'] = color_list
 
  # #灰色
  # lower_gray = np.array([0,46])
  # upper_gray = np.array([180,220])
  # color_list = []
  # color_list.append(lower_gray)
  # color_list.append(upper_gray)
  # dict['gray']=color_list
 
  # 白色
  lower_white = np.array([0,221])
  upper_white = np.array([180,30,255])
  color_list = []
  color_list.append(lower_white)
  color_list.append(upper_white)
  dict['white'] = color_list
 
  #紅色
  lower_red = np.array([156,46])
  upper_red = np.array([180,255])
  color_list = []
  color_list.append(lower_red)
  color_list.append(upper_red)
  dict['red']=color_list
 
  # 紅色2
  lower_red = np.array([0,46])
  upper_red = np.array([10,255])
  color_list = []
  color_list.append(lower_red)
  color_list.append(upper_red)
  dict['red2'] = color_list
 
  #橙色
  lower_orange = np.array([11,46])
  upper_orange = np.array([25,255])
  color_list = []
  color_list.append(lower_orange)
  color_list.append(upper_orange)
  dict['orange'] = color_list
 
  #黃色
  lower_yellow = np.array([26,46])
  upper_yellow = np.array([34,255])
  color_list = []
  color_list.append(lower_yellow)
  color_list.append(upper_yellow)
  dict['yellow'] = color_list
 
  #綠色
  lower_green = np.array([35,46])
  upper_green = np.array([77,255])
  color_list = []
  color_list.append(lower_green)
  color_list.append(upper_green)
  dict['green'] = color_list
 
  #青色
  lower_cyan = np.array([78,46])
  upper_cyan = np.array([99,255])
  color_list = []
  color_list.append(lower_cyan)
  color_list.append(upper_cyan)
  dict['cyan'] = color_list
 
  #藍色
  lower_blue = np.array([100,46])
  upper_blue = np.array([124,255])
  color_list = []
  color_list.append(lower_blue)
  color_list.append(upper_blue)
  dict['blue'] = color_list
 
  # 紫色
  lower_purple = np.array([125,46])
  upper_purple = np.array([155,255])
  color_list = []
  color_list.append(lower_purple)
  color_list.append(upper_purple)
  dict['purple'] = color_list
 
  return dict
 
 
if __name__ == '__main__':
  color_dict = getColorList()
  print(color_dict)
 
  num = len(color_dict)
  print('num=',num)
 
  for d in color_dict:
    print('key=',d)
    print('value=',color_dict[d][1])

2、顏色識別

import cv2
import numpy as np
import colorList
 
filename='car04.jpg'
 
#處理圖片
def get_color(frame):
  print('go in get_color')
  hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
  maxsum = -100
  color = None
  color_dict = colorList.getColorList()
  for d in color_dict:
    mask = cv2.inRange(hsv,color_dict[d][0],color_dict[d][1])
    cv2.imwrite(d+'.jpg',mask)
    binary = cv2.threshold(mask,127,cv2.THRESH_BINARY)[1]
    binary = cv2.dilate(binary,None,iterations=2)
    img,cnts,hiera = cv2.findContours(binary.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    sum = 0
    for c in cnts:
      sum+=cv2.contourArea(c)
    if sum > maxsum :
      maxsum = sum
      color = d
 
  return color
 
 
if __name__ == '__main__':
  frame = cv2.imread(filename)
  print(get_color(frame))

3、結果

原始影象（網上找的測試圖）：

1）、使用cv2.inRange()函式過濾背景後圖片如下：

2）、可見使用白色分量過濾背景後，出現車輛的輪廓，因此，能夠計算白色區域的面積，最大的則為該物體顏色

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。