图形识别与颜色识别工具

图形识别代码，可以识别多种颜色与形状，还可以计算面积与周长，形状包括三角形，正方形，长方形，梯形，平行四边形，菱形，其他四边形，五边形，五角星，六边形和其他多边形，椭圆，圆等，颜色包括蓝色，紫色，红色，橙色等 python,opencv。如果没有办法运行，请私信我。

import cv2 as cv
import numpy as np
import math
“““
    功能：实现多种几何图形的形状及颜色的识别，并计算面积及周长
    可以识别的图形：三角形，任意四边形（梯形，平行四边形，菱形，正方形，矩形，不特殊四边形），
                    五边形，五角星，六边形，多边形，椭圆，半圆，圆
    可以识别的颜色：红色，绿色，蓝色，黄色，黑色，紫色，橙色，白色
    除了定义的可识别颜色外，其他返回其对应的rgb值，提示用户根据rgb值去找寻相应颜色                 
    除了定义的可识别图形外，其他为未定义的图形  
“““
noise_b = 0.5


class ShapeAnalysis:
    def __init__（self）:
        self.shapes = {‘triangle‘: 0
                       ‘quadrilateral‘: 0 ‘trapezium‘: 0 ‘parallelogram‘: 0
                       ‘rectangle‘: 0 ‘rhombus‘: 0 ‘square‘: 0
                       ‘pentagon‘: 0 ‘pentagram‘: 0 ‘hexagon‘: 0
                       ‘polygons‘: 0 ‘ellipse‘: 0 ‘circle‘: 0
                       ‘undefined‘: 0
                       }

        self.colors = {‘white‘: 0 ‘black‘: 0
                       ‘red‘: 0 ‘green‘: 0
                       ‘blue‘: 0 ‘yellow‘: 0
                       ‘orange‘: 0 ‘purple‘: 0
                       ‘others‘: 0
                       }

    def analysis（self frame）:
        self.re_strover = ‘识别结果：\n‘
        h w ch = frame.shape  # 获取图形信息
        result = np.zeros（（h w ch） dtype=np.uint8）  # 生成跟图形相同大小的矩阵
        cv.imshow（“input image“ frame）

        # 二值化图像
        print（‘start to binary image and detect edges...\n‘）
        gray = cv.cvtColor（frame cv.COLOR_BGR2GRAY）
        # threshold：固定阈值二值化 ret dst输出图 = cv2.threshold（src输入图 thresh阈值 maxval type）
        # type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY；
        # cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
        # adaptiveThreshold自适应阈值二值化
        ret binary = cv.threshold（gray 0 255 cv.THRESH_BINARY_INV | cv.THRESH_OTSU）

        # 函数cv2.findContours（）有三个参数。第一个是输入图像，第二个是轮廓检索模式，第三个是轮廓近似方法。
        # 轮廓的点集（contours）[Next Previous First_Child Parent]
        # 各层轮廓的索引（hierarchy）
        contours hierarchy = cv.findContours（binary cv.RETR_TREE cv.CHAIN_APPROX_SIMPLE）
        if len（contours） < 1e-6:
            print（‘there is nothing can be detected! Please check the input image. Thanks！‘）
        else:
            shape_numbers = 0
            for cnt in range（len（contours））:

                # 通过计算周长和面积来排除一些图像干扰
                # 计算面积与周长
                p = cv.arcLength（contours[cnt] True）
                area = cv.contourArea（contours[cnt]）

                if area > noise_b and p > noise_b:  # 如果面积和周长小于0.5判断为噪声干扰，不是图形
                    shape_numbers += 1   # 统计检测到图形

                    # 为图形，做统计分析
                    cv.drawContours（result contours cnt （0 255 0） 2）  # 画出轮廓

                    # 求解中心位置
                    mm = cv.moments（contours[cnt]）
                    cx = int（mm[‘m10‘] / （mm[‘m00‘] + 1e-12））
                    cy = int（mm[‘m01‘] / （mm[‘m00‘] + 1e-12））
                    cv.circle（result （cx cy） 3 （0 0 255） -1）

                    # 获取颜色信息
                    color = fr