Python新手提问：如何用Python识别魔方上不同颜色块的数量？

import cv2
import numpy as np
from collections import Counter

def detect_cube_colors(image_path):
    """
    识别魔方图像中不同颜色块的数量
    
    参数:
        image_path: 魔方图像文件路径
    
    返回:
        dict: 颜色名称到数量的映射
    """
    # 1. 读取图像
    img = cv2.imread(image_path)
    if img is None:
        raise ValueError("无法读取图像，请检查文件路径")
    
    # 2. 转换为HSV颜色空间（对光照变化更鲁棒）
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    # 3. 定义魔方标准颜色范围（HSV格式）
    # 注意：这些阈值可能需要根据实际图像调整
    color_ranges = {
        'red': [(0, 100, 100), (10, 255, 255)],      # 红色范围1
        'red2': [(170, 100, 100), (180, 255, 255)],  # 红色范围2（HSV中红色在0°和180°附近）
        'orange': [(10, 100, 100), (25, 255, 255)],
        'yellow': [(25, 100, 100), (35, 255, 255)],
        'green': [(35, 100, 100), (85, 255, 255)],
        'blue': [(85, 100, 100), (130, 255, 255)],
        'white': [(0, 0, 200), (180, 50, 255)],      # 高亮度，低饱和度
        'black': [(0, 0, 0), (180, 255, 50)]         # 低亮度
    }
    
    # 4. 创建掩码并统计每个颜色的像素数
    color_counts = {}
    height, width = img.shape[:2]
    total_pixels = height * width
    
    for color_name, (lower, upper) in color_ranges.items():
        # 处理红色（两个范围）
        if color_name == 'red':
            mask1 = cv2.inRange(hsv, tuple(lower), tuple(upper))
            mask2 = cv2.inRange(hsv, tuple(color_ranges['red2'][0]), 
                               tuple(color_ranges['red2'][1]))
            mask = cv2.bitwise_or(mask1, mask2)
            color_counts['red'] = np.sum(mask > 0)
        else:
            mask = cv2.inRange(hsv, tuple(lower), tuple(upper))
            color_counts[color_name] = np.sum(mask > 0)
    
    # 5. 过滤噪声（假设每个色块至少占图像的0.5%）
    min_pixels = total_pixels * 0.005
    filtered_counts = {k: v for k, v in color_counts.items() if v > min_pixels}
    
    # 6. 估算块数（假设每个色块大致等大）
    # 找到最大的颜色计数作为参考
    if filtered_counts:
        max_count = max(filtered_counts.values())
        # 估算每个色块的平均像素数（取最大值的1/9，因为一个面有9个块）
        avg_per_piece = max_count / 9
        
        # 计算每个颜色的块数
        piece_counts = {}
        for color, count in filtered_counts.items():
            pieces = round(count / avg_per_piece)
            if pieces > 0:
                piece_counts[color] = pieces
        
        return piece_counts
    
    return {}

# 使用示例
if __name__ == "__main__":
    # 替换为你的图像路径
    result = detect_cube_colors("rubiks_cube.jpg")
    
    print("魔方颜色块统计:")
    print("-" * 30)
    for color, count in result.items():
        print(f"{color}: {count}块")
    print(f"总块数: {sum(result.values())}块")
    
    # 可选：显示处理结果
    img = cv2.imread("rubiks_cube.jpg")
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    # 创建组合掩码
    masks = []
    for color_name in result.keys():
        if color_name == 'red':
            mask1 = cv2.inRange(hsv, (0, 100, 100), (10, 255, 255))
            mask2 = cv2.inRange(hsv, (170, 100, 100), (180, 255, 255))
            masks.append(cv2.bitwise_or(mask1, mask2))
        else:
            lower, upper = color_ranges[color_name]
            masks.append(cv2.inRange(hsv, tuple(lower), tuple(upper)))
    
    if masks:
        combined_mask = sum(masks)
        result_img = cv2.bitwise_and(img, img, mask=combined_mask)
        
        cv2.imshow('Original', img)
        cv2.imshow('Detected Colors', result_img)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

核心思路：

1. 用HSV颜色空间替代RGB，对光照更稳定
2. 定义常见魔方颜色的HSV阈值范围
3. 通过颜色阈值分割统计各颜色像素
4. 根据像素比例估算实际色块数量

关键点说明：

• 红色在HSV中需要两个范围（0-10°和170-180°）
• 需要根据实际魔方颜色调整阈值
• 假设每个色块大小相近来估算块数

一句话建议： 实际使用时先用几张图调整好颜色阈值。

我的思路是，按颜色设置阈值，分割之后计算每种颜色轮廓的面积，和总面积一比就可以了

颜色识别有点问题，晚上回去研究一下 HSV