1 #实现颜色识别与标记
 2 #实现原理：LAB颜色空间与欧几里得距离
 3 
 4 from scipy.spatial import distance as dist
 5 from collections import OrderedDict
 6 import numpy as np
 7 import cv2
 8 
 9 class ColorLabeler:
10     def __init__(self):
11         #初始化颜色词典
12         colors = OrderedDict({
13             "红色":(255, 0, 0),
14             "绿色":(0, 255, 0),
15             "蓝色":(0, 0, 255),
16             "黑色":(0, 0, 0),
17             "白色":(255, 255, 255) })
18 
19         #初始化属性（变量）
20         #为lab图像分配空间
21         #为颜色分配列表
22         self.lab = np.zeros((len(colors), 1, 3), dtype="uint8")
23         self.colorName =[]
24 
25         #枚举，以词典长度为循环次数-->更新数字阵列与色名列表
26         #将rgb值赋予lab空间
27         #将name变量的值一次次加入列表中（此处name还未分配值）
28         for(i, (name, rgb)) in enumerate(colors.items()):
29             self.lab[i] = rgb
30             self.colorName.append(name)
31 
32         #颜色空间转换
33         self.lab = cv2.cvtColor(self.lab,cv2.COLOR_RGB2LAB)
34 # 为什么选择LAB空间？-->其中与欧几里得距离的关系帮助我们标记颜色
35 
36 # 将选择最小化欧几里德距离的已知颜色作为颜色标识。
37     def label(self, image, c):
38         #标志mask，绘制轮廓 shape属性用来查看图像结构，返回行和列
39         mask = np.zeros(image.shape[:2], dtype="uint8")
40         cv2.drawContours(mask, [c], -1, 255, -1)
41         mask = cv2.erode(mask, None, iterations=2)#腐蚀
42         mean = cv2.mean(image, mask=mask)[:3]#均值
43 
44         #初始化最小距离
45         minDist = (np.inf, None)#np.inf表示无穷大的正数
46 
47         # 遍历已知的LAB颜色值
48         for (i, row) in enumerate(self.lab):
49             # 计算当前l*a*b*颜色值与图像平均值之间的距离
50             d = dist.euclidean(row[0], mean)
51 
52             # 如果当前的距离小于最小的距离，则进行变量更新
53             if d < minDist[0]:
54                 minDist = (d, i)
55 
56         # 返回最小距离对应的颜色值
57         return self.colorNames[minDist[1]]