本章节为 如何利用OpenCV识别图片色值

-- 颜色操作部分开始
-- 读取名为 "zs.png" 的图像，并将其存储在变量 img 中
local img = imread("zs.png")          
-- 复制 img 图像，将副本存储在 img2 变量中
local img2 = cloneMat(img)             


-- 颜色空间转换部分
-- 将图像的颜色空间从 BGRA 转换为 RGB，55 代表 CV::COLOR_BGRA2RGB（在 cv 版本 460 中）
cvtColor(img, 55)                       
-- 再次进行颜色空间转换
-- 将图像的颜色空间从 BGR 转换为 HSV，40 代表 cv::COLOR_BGR2HSV
cvtColor(img, 40)


-- 颜色范围筛选部分
-- 对图像进行颜色范围筛选，筛选出 HSV 颜色值在指定范围内的像素
-- 这里的范围是：H 通道 140 - 150，S 通道 110 - 195，V 通道 150 - 255
inRange(img, 140,110,150,  150,195,255)


-- 形态学操作部分
-- 创建一个形态学核，核的形状为矩形（0 代表 MORPH_RECT），大小为 4x4
local kernel = getStructuringElement(0, 4,4) 
-- 对图像进行膨胀操作，使用前面创建的核
-- anchor 为 (-1, -1) 表示核的中心位置，迭代次数为 5 次
dilate(img, kernel, -1, -1, 5)  
-- 对图像进行二值化处理，阈值为 60，最大值为 255，二值化类型为 THRESH_BINARY（0）
threshold(img, 60, 255, 0)


-- 轮廓检测部分
-- 找出图像中的轮廓，检测模式为 RETR_EXTERNAL（0），轮廓近似方法为 CHAIN_APPROX_NONE（1）
local contours = findContours(img, 0, 1)


-- 处理检测到的轮廓
-- 假设已经调用 findContours 得到了 contours
-- contours[i] 是第 i 个轮廓 (table)
if #contours > 0 then
    -- 打印找到的轮廓数量
    print("找到轮廓数量:", #contours)
    -- 遍历所有检测到的轮廓
    for i, contour in ipairs(contours) do
        -- 计算当前轮廓的外接矩形
        local rect = boundingRect(contour)
        if rect then
            -- 打印外接矩形的位置和大小
            print("外接矩形:", rect.x, rect.y, rect.width, rect.height)
            -- 注释掉的代码，用于在 img2 图像上绘制外接矩形
            -- 矩形颜色为黄色（0, 255, 255），线宽为 1
            --drawRectangle(img2, rect.x, rect.y, rect.width, rect.height, 0,255,255, 1)
        end
    end
end
-- 注释掉的代码，用于显示 img2 图像在名为 "myWindow" 的窗口中
--imshow("myWindow", img2)
-- 注释掉的代码，等待用户按键，参数 0 表示无限等待
--waitKey(0)