基于OpenCV与Python3的视频物体颜色追踪实现

Owen

发布时间：2026-10-13| 6人浏览过

原创

本文介绍如何使用OpenCV和Python3实现视频中的物体颜色追踪。通过读取摄像头视频流，将图像从BGR转换至HSV色彩空间，设定特定的颜色阈值范围生成掩模，并利用位运算提取目标物体。该方法轻量高效，适用于实时视频处理场景，展示了OpenCV在图像处理领域的通用算法应用。

OpenCV简介

OpenCV

OpenCV是一款基于BSD开源许可发布的跨平台计算机视觉库，支持Linux、Windows、Android及Mac OS等多种操作系统。该库以轻量级和高效率著称，核心由一系列C函数及少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理与计算机视觉领域的多项通用算法。

OpenCV主要使用C++语言编写，其核心接口也为C++，但保留了大量的C语言接口。此外，该库还提供了Python、Java以及MATLAB/OCTAVE（版本2.5）等语言的接口，这些语言的API函数可通过在线文档获取。目前，OpenCV还支持C#、Ch、Ruby和GO等语言。

所有新开发的算法均使用C++接口实现。自2010年9月起，开始实现基于CUDA的GPU加速接口。

视频物体追踪代码实现


import numpy as np
import cv2
cap =cv2.VideoCapture(0)
while(1):
  #获取每一帧
  ret,frame = cap.read()
  #RGB转换到HSV
  hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
  #设定蓝色的阈值。确定要追踪的颜色为蓝色。
  lower_blue = np.array([100,50,50])
  upper_blue = np.array([120,255,255])
  #根据阈值构建掩模，构建黑白图
  #hsv:原图
  #lower_blue:图像中低于这个lower_blue的值，图像值变为0,即黑色
  #upper_blue:图像中高于这个upper_blue的值，图像值变为0
  #而在lower_blue～upper_blue之间的值变成255，即白色。
  mask = cv2.inRange(hsv,lower_blue,upper_blue)
  #对原图像和掩模进行位运算
  #蓝色覆盖白色区域，黑色不覆盖，实现了白色转化为要追踪的蓝色，也就是追踪效果。
  res = cv2.bitwise_and(frame,frame,mask=mask)
  #显示图像
  cv2.imshow('frame',frame)
  cv2.imshow('mask',mask)
  cv2.imshow('res',res)
  k = cv2.waitKey(5)& 0xFF
  if k==27:
    break
#关闭窗口
cv2.destroyAllWindows()