opencv-python识别魔方特定颜色方块，并输出各方块中心坐标

先叠个甲（作者寒假才开始自学opencv，做题练手，还不是很熟练，如果有不正确或者有更好的方法，欢迎在评论区指出）

题目：从网上寻找任一魔方图片，识别其中白色色块，描绘并输出其中所有白色色块的中心点坐标（也可选择其他颜色，代码有变化，后续指出）

首先我们要知道大致的流程有哪些，本文章以识别白色块为例，以下是重点步骤：

后面也有完整代码

1. 成功读取魔方图片

# 读入图片，还可以将其
import cv2 as cv
import numpy as np
img = cv.imread('./test1.jpg')

1. 获取白色部分，并输出它的二值图：

这里我使用的是cv.inRange（）函数，cv2.inRange 的作用是根据阈值进行二值化:阈值内的像素设置为白色 (255)，阈值外的设置为黑色 (0) mask = cv2.inRange(hsv, lower, upper), 通过这个性质，设置阈值使白色以外的区域变黑。但使用时需要用HSV图像，所以要提前转换，通过HSV=cv.cvtColor(img,cv.COLOR_BGR2HSV)。

这里推荐：

【youcans 的 OpenCV 例程300篇】209. HSV 颜色空间的彩色图像分割 这个博主有详细介绍，不过我们知道阈值就行，图片也是截取该文章

#最低阈值 lowercolor = np.array([Hmin, Smin, Vmin])
#最高阈值 uppercolor = np.array([Hmax, Smax, Vmax]) 
# 根据要保留的颜色设置阈值。该阈值内的像素会变成白色，其余为黑色

HSV=cv.cvtColor(img,cv.COLOR_BGR2HSV)    #转换图像
lowerColor = np.array([0,0,211])        #设置最低阈值 
upperColor = np.array([180,30,255])     #设置最高阈值

# 因为要保留的就是白色区域，因此根据白色阈值填入

(1)使用inRange函数，传入设置好的lowercolor和uppercolor

提取白色部分（指定区域变白，其他变黑）
binary = cv.inRange(HSV, lowerColor,upperColor)

(2)得到的图像还是有很多残缺的地方，因此需要选择合适的方法去噪声，让图像更好看，这里我选择的是中值滤波。使用完后显示图片。

# 运用中值滤波去除噪声
median = cv.medianBlur(binary, 9)
# 显示二值图
cv_show('median',median) # 这里是我自己写的cv_show()函数，函数声明可放开头

# def cv_show(name, img):
    #cv.imshow('name', img)
    #cv.waitKey(0)
    #cv.destroyAllWindows()

(3)结果：

1. 将白色方块的轮廓在原图显示

这里使用轮廓检测cv2.findContours()的方法,并且返回contours轮廓信息，以及hierachy层级（这里用不到）。再将轮廓信息contours传入cv2.drawContours()在原图画出。我们可以使其显示。

contours, hierachy = cv.findContours(median, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
#后两个为轮廓检索模式和轮廓逼近模式

res = cv.drawContours(img, contours, -1,(0,0,255), 4)
cv_show('res', res)

结果：

1. 在原图中描绘物体中心点并输出坐标

运用了cv2.minEnclosingCircle(cnt)函数得中心点，cv2.circle()标出圆心。

这里可以把中心的点理解为半径特别小的圆因此就可以用cv.circle()函数

# 4、原图白色中心点
L = len(contours)     # contours轮廓数据是数组，因此用len()测数组长度，为了循环画点使用

for i in range(L):
    cnt = contours[i]    # cnt表示第i个白色快的轮廓信息
    (x,y), radius = cv.minEnclosingCircle(cnt) # 得到白色块外接圆的圆心坐标和半径
    center = (int(x),int(y))   # 画center圆心时。x,y必须是整数
    
    # 标出中心点
    img2 = cv.circle(img, center,3,(0,0,255),5) # 传入圆心信息，并画在原图上

    print(center) # 输出各个中心点

# 显示有中心点的图像
cv_show("frame",img2)    # 展示花了中心点的魔方图

结果：

到此，题目全部完成。

完整代码：

import cv2 as cv
import numpy as np

# 写一个显示函数
def cv_show(name, img):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()

# 1、读取图片并显示
img = cv.imread('./test1.jpg')
cv_show('img', img)

# 2、输出白色色块的二值图并显示
# 转化为HSV进行处理
HSV=cv.cvtColor(img,cv.COLOR_BGR2HSV)
lowerColor = np.array([0,0,211])
upperColor = np.array([180,30,255])

# 提取白色部分（指定区域变白，其他变黑）
binary = cv.inRange(HSV, lowerColor,upperColor)

# 运用中值滤波去除噪声
median = cv.medianBlur(binary, 9)

# 显示二值图
cv_show('median',median)

# 3、得到轮廓,并在原图输出
contours, hierachy = cv.findContours(median, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
res = cv.drawContours(img, contours, -1,(0,0,255), 4)
cv_show('res', res)

# 4、原图白色中心点
L = len(contours)    # contours轮廓数据是数组，因此用len()测数组长度，为了循环画点使用
print("coordinate:")
for i in range(L):
    cnt = contours[i]    # cnt表示第i个白色快的轮廓信息
   (x,y), radius = cv2.minEnclosingCircle(cnt) # 得到白色块外接圆的圆心坐标和半径
    center = (int(x),int(y))   # 画center圆心时。x,y必须是整数
    
    # 标出中心点
    img2 = cv2.circle(img, center,3,(0,0,255),5) # 传入圆心信息，并画在原图上

    print(center) # 输出各个中心点

# 显示有中心点的图像
cv_show("img2",img2)    # 展示花了中心点的魔方图

“向着群月亮出发，即使不能到达，也能站在群星之中”