颜色识别：不用 AI 也能「认出」颜色

01目标：红/绿/蓝色块被圈出，打印颜色名

02问题：机器怎么找到红色，和人一样吗

同一个画面，人和机器「找到红色」的方式完全不同：

机器这边，问题一个接一个（后面几节逐一给答案）：

① 怎么找。人靠眼睛，机器手里只有摄像头采回来的一幅 RGB 彩色画面 —— 上图点一下就能看到，它其实由密密麻麻的小方格拼成，每格叫一个像素、各自带一组 RGB 数字。怎么从这些像素里把红色挑出来？

② 画面暗了还找得到吗。光线一暗，红色就不那么明显，每个像素的 RGB 数字全都跟着变 —— 方法会不会一暗就失灵？

③ 找到了，输出的又是什么。会像人一样只给一个「大概在中间」的模糊位置吗？这样的位置，能用于后续的工业检测、或者机械臂的精准抓取吗？

先看个对比，你会发现这个方法为什么这么有用：

只要你要找的东西是「一块颜色」，比如：红色的小球、蓝色的积木、绿色的巡线胶带 —— 那就别上神经网络，一个阈值又快又省事，而且你能完全解释它为什么这么判。

03现象：红积木套上绿圈，灰纸片没有任何圈

🎬 现象速览 · 30 秒先看效果

你会看到：镜头前摆着一块红色积木和一块蓝色积木 —— 红积木被绿圈稳稳套住，蓝色积木被标成 BLUE，两块各认各的颜色、互不冒认；放块灰色纸片进来 —— 没有任何圈。

三步跑出这个画面（先照做，每步为什么下一节拆讲）：

① 终端 1 · 起相机。前两条 source 把 ROS2 系统环境和本工作区环境装进当前终端，缺任何一条，后面的命令都会提示找不到；export ROS_DOMAIN_ID=N 把节点通信频道拨到 N——N 是 0~101 里的任一个数，每台设备各选各的、别都设成同一个值（这样既避开默认频道上别人的节点，两台机器也不会撞号）；最后一条 ros2 launch 拉起相机驱动。日志开始滚动、没有红字报错就是起来了。

source /opt/ros/humble/setup.bash && source ~/ros2_ws/install/setup.bash
export ROS_DOMAIN_ID=N
ros2 launch ascamera hp60c.launch.py

② 终端 2 · 跑识别。cd 进本实验的源码目录；python src/app.py 启动识别节点，--ros 表示以 ROS 模式收发图像，不带它就是单机模式。终端打印出 http://…:8080 开头的地址就算成功。

cd ~/ros2_ws/src/xflz_eai_car1/vision/03_lab_color_recognition
python src/app.py --ros

③ 浏览器 · 看流。把 <板IP> 换成实验板的实际 IP（上一步的启动日志里会打印局域网地址），8080 是流服务固定端口，lab_color.mjpg 是识别结果的视频流。打开后拿红色、绿色、蓝色积木逐个放到镜头前。

http://<板IP>:8080/lab_color.mjpg

🔍 看什么：绿圈是不是只套住目标颜色、绝不越界到别的颜色上？手在镜头前晃过，圈依然认「颜色」不认「形状」。把积木挪到阴影里，圈会发抖、变碎 —— 记住这个现象，下一节讲的 HSV 就是为它准备的解药。

这就是本实验最终要呈现的现象。此时照做、先看懂它就行；第 05 节会按代码框架 → 流程 → 步骤带你亲手跑出同一个画面 —— 跑出来、对得上，实操才算完成。

04原理：为什么换了 HSV 就认得出（四步动画）

整个过程只有四个动作：换颜色尺子 → 比范围 → 去噪点 → 画圈。读完就能理解全部代码。

四步 ↔ 代码：图上每一步，对应哪个函数

把图上的每一格对回代码 —— 知道哪一步是哪个函数、配置里哪个参数在管它、参数一动画面哪块会跟着变：

这些参数都写在 config/lab_config.yaml；参数动一格画面怎么变，下方面试台可以拨着看，到第 05 节还能用 --tune 实时拖滑杆亲手试。

静态图看完了，这里放了一台可以把四步拨着玩的实验台：点顶部步骤切换，拖下面两根滑杆挪动圆和方，看标签、掩膜和最终读数怎么跟着变。

为什么不能直接用 RGB？

这是初学者最常问的问题，也是最关键的一点：

第 ④ 步到底在做什么：从掩膜到「一个圆」

上面四步图里第④步只写了「去噪点 + 画圈」，但代码其实做了三件事，缺一件结果就不对。这一步是初学者最容易「看懂了图、读不懂代码」的地方：

为什么用最小外接圆而不是外接矩形？因为本实验的目标是球形（红/蓝/绿小球）。外接矩形会随球的旋转方向变化，面积和中心都会抖；外接圆的圆心和半径对旋转完全不变，而且圆心天然就在球心上 —— 这正是后面要做抓取定位时需要的。

先认识 4 个词

它吃什么、吐什么

配置里红色那一段有个特殊写法，一定要理解：

colors:
  - name: 红色
    h: [0, 15]        # 第一段：0~15
    s: [100, 255]
    v: [80, 255]
    h2: [160, 180]    # ← 第二段！红色跨了 0 的边界

05实操：三条命令：实时 / 双栏 / 滑块调参

1. 进目录，读一眼阈值配置约 2 分钟

   cd ~/ros2_ws/src/xflz_eai_car1/vision/03_lab_color_recognition
   cat config/lab_config.yaml

   # 注意：目录名里的 "lab" 是「实验」的缩写 # 不是 Lab 色彩空间！这里用的是 HSV。 colors: - name: 红色 ... h: [0,15] h2: [160,180] - name: 绿色 ... h: [35,85] - name: 蓝色 ... h: [90,130] morph: open_kernel: 5 ← 去噪点的核大小 close_kernel: 9 ← 填孔洞的核大小 contour: min_area: 500 ← 小于这个面积当噪点丢掉 min_radius: 10 ← 圆太小不要 max_radius: 400 ← 圆太大不要

   这个实验没有模型文件，models/ 目录是空的 —— 因为全靠阈值，不需要 AI。

2. 开相机，看双栏效果约 3 分钟

   终端 1 起相机（老三样：source + DOMAIN_ID + launch；N 取 0~101 任一整数，每台设备各选各的、别都设成同一个值）：

   source /opt/ros/humble/setup.bash && source ~/ros2_ws/install/setup.bash
   export ROS_DOMAIN_ID=N
   ros2 launch ascamera hp60c.launch.py

   终端 2 跑颜色识别：

   cd ~/ros2_ws/src/xflz_eai_car1/vision/03_lab_color_recognition
   python src/app.py --ros

   Streams index: http://127.0.0.1:8080 http://127.0.0.1:8080/lab_color.mjpg ← 启动时会打印本机与局域网两个地址，用局域网那个 30帧平均帧率: 33.0 30帧平均帧率: 33.9 ← 稳定在 30~35 FPS 区间（纯 CPU，无 NPU）

   关于帧率：实测约 33 FPS。这个数比很多人预期的「传统视觉一定上百帧」低，原因是每帧要对三种颜色各做一次 inRange + 两次形态学 + 轮廓查找，而且 640×480 的 MJPEG 编码也要占时间。但 33 FPS 对视觉控制完全够用 —— 已经比实验4（13 FPS）和实验7（14 FPS）快一倍以上。

   浏览器打开 http://<板子IP>:8080/lab_color.mjpg，拿个红色的东西放到镜头前。

3. 用滑块现场调阈值（最有意思的一步）约 5 分钟

   光照一变，原来的阈值可能就不准了。这个模式给你六个滑块（H/S/V 各上下限），边拖边看掩膜怎么跟着变：

   python src/app.py --tune 红色 --ros

   出现两个窗口： lab_tune ← 6 个滑块（H/S/V 的上下限） lab_view ← 左原图 | 右掩膜 Ctrl+C 退出时会打印当前阈值，方便抄进配置

   调参口诀：先拖 H 的上下限把目标圈住（其他颜色变黑），再调 S 下限把灰白背景筛掉（如果还需要），最后调 V 下限把太暗的阴影排掉。

   调好之后，把数值手工写回 config/lab_config.yaml 对应的颜色段落，再重跑 --ros 就是你的专属阈值了。

   ⚠️ 注意--tune 调出来的结果不会自动保存到配置文件里，Ctrl+C 只打印、不写回。要自己抄过去。

你该看到的画面

踩坑速查

进阶（可选）

- name: 黄色
  h: [20, 35]
  s: [100, 255]
  v: [100, 255]

# 概念示意
err  = (cx_ball - W/2) / (W/2)   # 归一化到 [-1, 1]
angular = -0.8 * err             # 目标在右 → 右转 → 角速度为负（ROS 约定逆时针为正）
linear  =  0.2 if abs(err) < 0.15 else 0.05   # 转得急就先慢一点

06互动：拖 H 范围，看掩膜怎么碎又怎么糊

📌 这一节是「掌握检查」：亲手改一个参数，看现象是否朝你预期的方向变，还要能说出为什么 —— 说得出，才算掌握。

下面这个实验台模拟一件事：H 的范围放宽或收窄，掩膜会怎么变。亲手拖一遍，胜过读十页文档。

三种典型情况

07验证：三道小测

08章节总结：HSV 换一把尺子，成败全在阈值和过滤

前置依赖 · 缺一样就跑不起来

这套代码用在哪儿

• 分拣线色块分选：相机对着传送带 → 每帧输出「颜色名 + 圆心 + 半径」，机械臂据此决定抓哪个、往哪条料道放 —— 外接圆的圆心天然就在球心上，正好是抓取定位要的那两个数。
• 目标跟随 / 视觉巡线：拿圆心算 dx = cx_ball − W/2、归一化成 err，angular = -0.8 * err 直接当底盘角速度，|err| < 0.15 才给 0.2 的前进速度；这个思路 EXP-02 会完整走一遍。
• 别拿它数个数：本代码每种颜色只留最大的一个 —— 要数「红球有几个」，得改成保留全部合格轮廓，这是进阶 1 的任务。