颜色识别器在线，如何用LabVIEW做颜色识别

大家好，感谢邀请，今天来为大家分享一下颜色识别器在线的问题，以及和如何用LabVIEW做颜色识别的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

本文目录

1. 不懂色彩搭配怎么办
2. 尿是红茶色是什么情况
3. 狗狗是否可以分辨颜色为什么
4. 色盲能知道颜色吗
5. 如何用LabVIEW做颜色识别

不懂色彩搭配怎么办

不懂色彩搭配，溜溜姐为你整理小白必备的搭配口决，只要认真熟悉，相信你也能成为时尚达人，当然学习是需要一个过程的，只有不断实践操练，那也可以做到顺手。

黑白灰是无彩色可以和任何颜色搭配，咖啡，藏蓝，裸色等属于基础色，搭配各种艳色也是不容易出错的。

总有很多女性总是只能看到自己的缺点，而忽略了自身的优点，没有完美的体型，哪怕是明星很多的体型也不是标准，通过学会扬长避短穿法则，你也可以驾驭各种款式。

皮肤颜色深搭配法则是，深多浅少，皮肤颜色浅的搭配原则是，浅多深少。

时尚十宗罪，哪些是不能穿的，一定要避免，发扬自己的优点，规避自己的缺点，一定要放在第一位。

性格就是情绪，情绪就是颜色，穿颜色一定要均衡，每种颜色都有它的色彩能量，穿不同的颜色能够表达不一样的性格。

穿衣显瘦，脱衣有肉说的就是一定要学会通过不同面料，颜色，图案来显瘦，不一定是黑色有这个作用，图案尽量选择条纹，而细条纹显瘦效果会更好

偏黄的颜色是暖色，适合的配饰是金色，偏蓝的颜色是冷色，适合的配饰是银色，你有学到吗？

分享就到这里，喜欢的点击关注溜溜姐，深耕搭配行业11年，一个有问必答的服装搭配师，

尿是红茶色是什么情况

这种就是血尿。血尿从本质上来说，就是尿液中红细胞异常增多。

血尿分酸性尿和碱性尿。尿液偏于碱性，血尿的颜色往往是偏鲜红的；题目的情况，则属于酸性血尿，即红茶色、咖啡色、棕红色，虽然对颜色形容不同，但都是一样的性质。

题目上，没有说伴见症状，这里就列举一下。

无痛性血尿，一般是泌尿系肿瘤的典型特征之一，以膀胱肿瘤最为多见。此外，肾脏的结核、肾结石、前列腺增生、多囊肾，也可以出现类似的无痛血尿。

如果血尿的同时伴有肾绞痛，这种症状往往见于肾结石或输尿管结石。

如果血尿伴随有尿频、尿急和尿痛，常常多见于泌尿系的下尿路病变。

血尿同时伴有下尿路的梗阻症状，多见于前列腺和膀胱的疾病。

此外，也有原因不明的血尿以及比如剧烈运动后的生理性血尿。但如果是40岁以上人群出现血尿，建议谨慎对待，最好去医院查一查。尤其是40岁以上无痛性血尿患者，多见泌尿系肿瘤，是该有相当的警惕的。

以上也说了，题目这种情况，属于酸性血尿。除了饮食因素以外，也可能因服用某些药物、或患者本身已有心梗（包括前驱状态）疾病之患，又或大量饮酒，以及胰岛素抵抗等代谢紊乱的情况。

当排尿开始为血尿，而后段尿液正常，一般多为尿道疾病；如排尿开始正常，快结束时出现血尿，多为膀胱炎和前列腺病；如果为全程血尿，尤其是题目所描述这种红茶色血尿，如果还无痛的话，一般多为肾脏病变。

血尿以排尿全程者为多，也有仅出现在排尿初始时或终末时。血尿往往是无痛性、间歇性的，能自行减轻或停止，极易造成疾病已痊愈的错觉。

由于题目描述的情况太简单，无法准确审证。所以，还是建议患者去医院查一查，40岁以上的人，出现酸性血尿不可忽视。

狗狗是否可以分辨颜色为什么

狗??是可以分颜色的，只是不象人能分那多，它只对橙色及蓝色系敏感，其他颜色反应就会差些，多数处于黑白状态。

色盲能知道颜色吗

谢邀√我们来看一下色盲眼中的世界，这个问题就好解决了。

色盲分为三类，第一类是红色色盲（无法辨识红色），第二类是绿色色盲（无法辨识绿色），第三类是蓝黄色盲（难以辨认蓝色和黄色）。正是色盲，让他们的眼睛自带滤镜效果，对世界有特别的感知角度。借他们的眼睛，来看看不一样的生活吧。

他们得以欣赏到不一样的梵高。

这幅创作于1889年的《麦田与收割者》，在红绿色盲眼中有着金黄的太阳和金黄的麦田，更符合丰收的定义。蓝黄色盲简直都要吓坏了，紫红色的太阳？他们绝对不会在吃饭前拍食物。

翠绿的青菜，在红绿色盲眼里就跟梅干菜一样不新鲜。至于皮蛋瘦肉粥，上面放着的碎油条简直没法忍。看演唱会时，对于荧光棒的选择非常随意。

支持偶像更重要。尽管他们全程挥着绿色的荧光棒而引起少少侧目，也开开心心地继续尖叫。目测不会喜欢北京的红墙黄瓦。

无论是在红绿色盲还是蓝黄色盲的眼里，红墙黄瓦都无法辨认，所以根本毫无存在感嘛。不过，国贸夜景还是很美的。

在蓝黄色盲眼里，荧光粉如影随形，国贸显得吊诡又绮丽。

广州的“小蛮腰”也不错！

即使红绿色盲无法正确辨识灯光颜色，但不妨碍“小蛮腰”的迷人。

晴朗的上海，是无差别的美。

色盲患者自带的滤镜，让上海的蓝天更蓝、更高远。自带高级滤镜，也不全是坏处对不对？

但这一切，在雾霾面前都白搭……

雾霾面前，人人平等：大家眼里都是一样的高级灰。

如何用LabVIEW做颜色识别

C#调用NI的库函数实现颜色识别检测（在halcon环境下）

一直使用C#+halcon进行视觉算法的开发，但是遇到了一个非常普遍的需求，对物体进行颜色识别。在halcon中颜色识别主要分两种方式，一种为进行色域转化，由RGB转换为HSV后根据颜色表在H或者其他通道中对不同的颜色值进行区分，此种方式缺点是在进行建模时必须知道目标ROI的H通道值，且与其他ROI的值差别较大，不然非常容易误报。另一种方法即建立分类器，使用mlp或者gmm进行训练，然后将要识别的区域给分类器让其判断，这其中有一个缺点为，在建立分类器时必须知道当前有几种颜色，然后建立起对应输出的分类器，并且再有样本添加进入时也必须按同时将这几种颜色都加入进去（即使当前状态只有一种颜色出现差异需要再训练），同时，也不能再追加一种新的颜色。

在LabView的Vision模块中，有直接的颜色匹配模式，即将选定的ROI区域划分为16个向量再与检测的ROI作比较，识别较为准确。故本文介绍在C#环境下调用LV中的颜色识别函数，显示窗口依然使用halcon的HWindowControl（毕竟主要的开发算法还是在halcon下写的，并且个人感觉LV的图像显示窗口做的并不好，杂乱！）。

首先，调用LV需要先安装labview并且安装visionassistan模块,安装好后在其安装路径下有两个dll，分别为NationlInstryments.Vision.dll和NationlInstryments.Vision.Common.dll，同时引用halcondonet.dll(halcon的dll)，找不到在哪的可以使用软件everything进行搜索。在自己的工程中引用这两个dll，同时引用namespace,添加halcon图像显示窗口，使用该文章中https://blog.csdn.net/qizijuesha/article/details/77400312的封装后的显示窗口：

usingNationalInstrumens.Vision

usingNationInstruments.Vision.Analysis;

usingHalconDotNet;

下面上代码：

privateVisionImagemyVisionImage=newVisionImage();//VisionImage作为LV库函数中的图像输入

//从本地读取图像

privatevoidbuttonReadImage_Click(objectsender,EventArgse)

{

ImagePreviewFileDialogimageDialog=newImagePreviewFileDialog();

imageDialog.InitialDirectory=”D:\\”;

imageDialog.Filter=”AllFiles(*.*)”;

if(imageDialog.ShowDialog()==DialogResult.OK)

{

stringimagePath=imageDialog.FileName;

LoadSelectedImage(imagePath);//使用LV读取图像

}

}

privatevoidLoadSelectedImage(stringimagePath)

{

myVisionImage.ReadFile(imagePath);

myVisionImage.Type=ImageType.Rgb32;//次句一定要加上，不然在进行识别时报错，默认读取进入后是U8单通道格式

}

在halcon窗口上进行roi的划定

privateHObjectGetModelDrawRegion(HObjectdrawImage,refHTuplehv_Row1,refHTuplehv_Column1,refHTuplehv_Row2,refHTuplehv_Column2)

{

HObjectho_ModelRegion,ho_TemplateImage,ho_RegionSelect,ho_RegionUnion,ho_RegionModel;

HObjectho_ModelContours,ho_TransContours=null;

HTuplehv_TempHomMat2D=newHTuple();

HTuplehv_HomMat=newHTuple();

//初始化本地变量值

HOperatorSet.GenEmptyObj(outho_ModelRegion);

HOperatorSet.GenEmptyObj(outho_TemplateImage);

HOperatorSet.GenEmptyObj(outho_ModelContours);

HOperatorSet.GenEmptyObj(outho_TransContours);

HOperatorSet.GenEmptyObj(outho_RegionSelect);

HOperatorSet.GenEmptyObj(outho_RegionUnion);

HOperatorSet.GenEmptyObj(outho_RegionModel);

try

{

HObjectho_temp_brush=newHObject();

hWindow_Final1.DrawModel=true;//缩放功能禁用

HOperatorSet.SetSystem(“border_shape_models”,”false”);

ho_ModelRegion.Dispose();

HalconToolClass.set_display_font(hWindow_Final1.hWindowControl.HalconWindow,10,”mono”,newHTuple(“true”),newHTuple(“false”));

HalconToolClass.disp_message(hWindow_Final1.hWindowControl.HalconWindow,”在窗口中将MARK1点位置框出,点击右键完成”,”window”,20,20,”red”,”false”);

hWindow_Final1.Focus();

HOperatorSet.SetColor(hWindow_Final1.hWindowControl.HalconWindow,”red”);

HOperatorSet.DrawRectangle1(hWindow_Final1.hWindowControl.HalconWindow,outhv_Row1,outhv_Column1,outhv_Row2,outhv_Column2);

HOperatorSet.GenRectangle1(outho_ModelRegion,hv_Row1,hv_Column1,hv_Row2,hv_Column2);

hWindow_Final1.DrawModel=false;

if(hv_Row1.D!=0)

{

brush_region.Dispose();

brush_region=ho_ModelRegion;

}

else

{

hWindow_Final1.HobjectToHimage(drawImage);

HalconToolClass.set_display_font(hWindow_Final1.hWindowControl.HalconWindow,20,”mono”,newHTuple(“true”),newHTuple(“false”));

HalconToolClass.disp_message(hWindow_Final1.hWindowControl.HalconWindow,”未画出有效区域”,”window”,20,20,”red”,”false”);

}

HalconToolClass.set_display_font(hWindow_Final1.hWindowControl.HalconWindow,20,”mono”,newHTuple(“true”),newHTuple(“false”));

hWindow_Final1.DispObj(ho_ModelRegion,”yellow”);

ho_TemplateImage.Dispose();

HOperatorSet.ReduceDomain(drawImage,ho_ModelRegion,outho_TemplateImage);

}

catch

{

MessageBox.Show(“划定模板框出错！”);

}

finally

{

ho_ModelRegion.Dispose();

}

returnho_TemplateImage;

}

划定好ROI后进行颜色的学习，并将学习完毕的颜色向量存入数据库

privatevoidbuttonRecColor_Click(objectsender,EventArgse)

{

HTuplehv_Row1=null,hv_Column1=null,hv_Row2=null,hv_Column2=null;

HObjectho_ModelRegion;

ho_ModelRegion=GetModelDrawRegion(halconImage,refhv_Row1,refhv_Column1,refhv_Row2,refhv_Column2);

double[]lvRoi=ConvertHalconToLV(hv_Row1,hv_Column1,hv_Row2,hv_Column2);//在halcon中矩形的存储为左上行列坐标，右下行列坐标；

//而在LV中，矩形存储方式为中心行列坐标，weight和height长

//查询插入语言

sqlCommand=”INSERTINTOroi_rec_inf(id,left_top_row,left_top_column,right_bottom_row,right_bottom_column)SELECT(SELECTMAX(id)FROMroi_rec_inf)+1,'”+hv_Row1+”‘,'”+hv_Column1+”‘,'”+hv_Row2+”‘,'”+hv_Column2+”‘;”;

mySqlClass.UsualSqlCommand(sqlCommand);

RectangleContourrectangle=newRectangleContour(lvRoi[0],lvRoi[1],lvRoi[2],lvRoi[3]);//矩形

RoirectangleRoi=rectangle.ConvertToRoi();

//该函数为调用的LV中学习颜色的函数，ROI使用halcon窗口中画出的ROI，若此时不存入数据库，也可直接使用colorInformation进行颜色识别

ColorInformationcolorInformation=Algorithms.LearnColor(myVisionImage,rectangleRoi,ColorSensitivity.Low,(int)80);

sqlCommand=@”INSERTINTOcolor_match(

rec_id,color1,color2,color3,color4,color5,color6,color7,color8,color9,color10,color11,color12,color13,color14,color15,color16)

SELECT(SELECTMAX(id)fromroi_rec_inf),

‘”+colorInformation.Information[0]+”‘,'”+colorInformation.Information[1]+”‘,'”+colorInformation.Information[2]+”‘,'”+colorInformation.Information[3]+”‘,'”+colorInformation.Information[4]+”‘,'”+colorInformation.Information[5]+”‘,'”+colorInformation.Information[6]+”‘,'”+colorInformation.Information[7]+”‘,'”+colorInformation.Information[8]+”‘,'”+colorInformation.Information[9]+”‘,'”+colorInformation.Information[10]+”‘,'”+colorInformation.Information[11]+”‘,'”+colorInformation.Information[12]+”‘,'”+colorInformation.Information[13]+”‘,'”+colorInformation.Information[14]+”‘,'”+colorInformation.Information[15]+”‘”;

mySqlClass.UsualSqlCommand(sqlCommand);//插入颜色数据

}

privatedouble[]ConvertHalconToLV(HTuplehv_Row1,HTuplehv_Column1,HTuplehv_Row2,HTuplehv_Column2)

{

doublewidth=0,height=0;

if(hv_Row2>hv_Row1)

{

width=hv_Row2-hv_Row1;

}

if(hv_Column2>hv_Column1)

{

height=hv_Column2-hv_Column1;

}

double[]lvRoi={hv_Column1,hv_Row1,width,height};//需要传出的左上横纵坐标及宽，长信息

returnlvRoi;

}

现在进行图像颜色识别，给定要识别的ROI区域及对应的图像和之前保存的颜色向量，函数返回匹配分值

privatevoidMatchColor(HObjectimageMatch)

{

VisionImagemyImage=newVisionImage();

myImage.Type=ImageType.Rgb32;

LoadSelectedImage(“F:\\tempImage.jpeg”,refmyImage);

double[]lvROI=ConvertHalconToLV(Convert.ToDouble(dtSelect.Rows[0][“left_top_row”].ToString()),Convert.ToDouble(dtSelect.Rows[0][“left_top_column”].ToString()),Convert.ToDouble(dtSelect.Rows[0][“right_bottom_row”].ToString()),Convert.ToDouble(dtSelect.Rows[0][“right_bottom_column”].ToString()));

RoirectangleRoi=newRoi(newRectangleContour(lvROI[0],lvROI[1],lvROI[2],lvROI[3]));//矩形

qlCommand=”SELECTcolor1,color2,color3,color4,color5,color6,color7,color8,color9,color10,color11,color12,color13,color14,color15,color16FROMcolor_matchWHERErec_id='”+Convert.ToInt32(dtSelect.Rows[0][“id”].ToString())+”‘;”;

DataTabledtColor=mySqlClass.SelectDataUsual(sqlCommand);

double[]colorValue=DTConvertToDouble(dtColor);

ColorInformationmyColorInformation=newColorInformation(newCollection<double>(colorValue));

Collection<int>scores=Algorithms.MatchColor(myImage,myColorInformation,rectangleRoi);

if(scores[0]<700)

{

DoNGSomething(Convert.ToInt32(dtSelect.Rows[0][“id”].ToString()));

richTextBox1.Text=”NG”;

}

else

{

DoOKSomething(Convert.ToInt32(dtSelect.Rows[0][“id”].ToString()));

richTextBox1.Text=”OK”;

}

}

总结：

先在halcon窗口上划定ROI区域，将此ROI转换为LV中Roi类型，然后调用ColorInformation=Algorithms.LearnColor(image,roi,low,threshold)方法，该函数返回16行向量值ColorInformation即为该区域的颜色分布

给定ROI区域（同样在halcon中划定并进行转换)，调用Algorithms.MatchColor(image,ColorInformation,roi)进行指定区域的颜色识别，该方法返回一个匹配分值

在给定image值时，一定要将其typeImage类型设定为RGB32

关于颜色识别器在线的内容到此结束，希望对大家有所帮助。