[发明专利]一种屏幕颜色识别系统的识别方法

权利要求书

1.一种屏幕颜色识别系统的识别方法，其步骤为：

1)系统启动；

2)对电子产品屏幕进行实时取帧；

3)对屏幕主体物体的颜色进行识别并将颜色进行文字标注。

2.如权利要求1所述的屏幕颜色识别系统的识别方法，其特征在于：所述步骤2)中取帧采用OpenCV软件库，并对屏幕帧进行边缘提取，并对提取后的边缘进行锐化、光滑处理。

3.如权利要求1所述的屏幕颜色识别系统的识别方法，其特征在于：所述步骤3)中颜色的识别步骤为：

3.1)通过OpenCV软件库物体特征库进行搜索比对识别出主体的轮廓；若软件库中无法识别出物体，则将屏幕帧中封闭边缘图像作为主体物；

3.2)获取主体物的每个像素RGB值，对RGB值相似的区域作为颜色一致或者相似处理；

3.3)在识别出颜色的区域使用文字标记出该颜色。

4.如权利要求2所述的屏幕颜色识别系统的识别方法，其特征在于：所述RGB值和颜色的对应关系为ASCII对照表。

5.如权利要求2所述的屏幕颜色识别系统的识别方法，其特征在于：所述OpenCV的主体轮廓提取识别步骤为:

3.1.1)在OpenCV库中调用findContours()函数查找轮廓；

3.1.2)调用drawContours()画轮廓并进行轮廓填充；

3.1.3)计算轮廓的面积和周长；

3.1.4)提取轮廓凸包，矩形，最小外接矩形，外接圆；

3.1.5)将获取到的轮廓与数据库中的图片进行对比，若对比的两者相似度达到设置的阈值则认为主体提取成功。

6.如权利要求5所述的屏幕颜色识别系统的识别方法，其特征在于：图片相似度值对比方法为：

3.1.5.1)使用python函数Image.open(path)分别读取对比库中的图像和需要对比的图像。

3.1.5.2)计算两幅图片的均方差MSE：

def mse(imageA,imageB):

err＝np.sum((imageA.astype(float)-imageB.astype(float))**2)

err/＝float(imageA.shape[0]*imageA.shape[1])

return err

使用compare_ssim函数计算两幅图片的SSIM值：

from skimage.measure import compare_ssim as ssim

3.1.5.3)计算出的MSE值越小，则两图像越相似，或SSIM在[-1,1]之间，则代表两图像相似。

7.如权利要求6所述的屏幕颜色识别系统的识别方法，其特征在于：所述阀值为MSE＜1或1＞SSIM＞-1。