本篇的例子介绍使用numpy和 OpenCV ，仅根据识别对象的尺寸和颜色进行简单的物体识别。专业的图像识别须借助机器学习（含神经网络即深度学习），本篇不做介绍。
下图截屏于支付宝登山赛小游戏，我们的任务是识别一系列截图中的小鸡和金币，并给出其各自中心位置的大概坐标（原点在图像的左上角）。
首先是抠掉不动的背景。上篇已有介绍，不再赘述。
接着将图像上部小鸡和金币不可能去的位置像素置零。
代码语言：javascript复制img[0: int(0.38*H),:, :] =0 #上边部分没有待检测目标，不参与计算， 置零再分离通道：
代码语言：javascript复制B,G,R = cv2.split(img) # 分离三个颜色通道
#cv2.imshow("B", cv2.resize(B ,(int(0.3*W),int(0.3*H))))
#cv2.imshow("G", cv2.resize(G ,(int(0.3*W),int(0.3*H))))
#cv2.imshow("R", cv2.resize(R ,(int(0.3*W),int(0.3*H))))然后分离小鸡等白色的部分：
小鸡的红色分量和蓝色分量都很亮。我们将图片红色通道稍暗的部分对应的蓝色通道置零，即分离出来了包含小鸡的白色部分。
B_ = B.copy() #深拷贝，防止串扰
B_[np.where(R<240)] =0 #红色通道稍暗的像素在蓝色通道置零
cv2.imshow("B_0", cv2.resize(B_ ,(int(0.3*W),int(0.3*H))))然后转二值图，蓝色通道亮度小的部分置零以降噪。
代码语言：javascript复制B_ = np.where(B_<230,0,255).astype(np.uint8) #亮度小的置零
cv2.imshow("B_", cv2.resize(B_ ,(int(0.3*W),int(0.3*H))))
有了二值图，我们就可以对其进行轮廓检测，加以尺寸限制，在原始图上画出矩形框。这些命令我写在函数drawRect()中：
代码语言：javascript复制#画矩形框且标记文本
def drawRect(src, dst, minW, minH, text='',maxW=np.inf, maxH= np.inf, RectColor=(0,0,255 ), textColor=(255,0,0)):
contours, hierarchy = cv2.findContours(src, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if contours is not None:
for c in contours: #对于每一个轮廓
x, y, w, h = cv2.boundingRect(c) #矩形框
if minW<w and w< maxW and minH<h and h<maxH: #按宽、高的大小过滤
print(w,h)
cv2.rectangle(dst, (x,y), (x w, y h), RectColor, 4) # 颜色均为（B,G,R)模式
#putText(img, text, org, fontFace, fontScale, color[, thickness[, lineType[, bottomLeftOrigin]]])
cv2.putText(dst,text,(x int(0.2*w),y int(0.5*h)), cv2.FONT_HERSHEY_COMPLEX, 1, textColor, 2, 4,False)
print("{text} 坐标：{x}, {y}".format(text =text, x=x int(0.5*w), y= y int(0.5*h)))
drawRect(B_, img1st, 0.12*W, 0.05*H, text='chick')#识别小鸡金币识别的方法也相似：
代码语言：javascript复制#金币在红色通道最明显
#cv2.imshow("B", cv2.resize(B ,(int(0.3*W),int(0.3*H))))
R_ = R.copy()#深拷贝，防止串扰
R_[np.where(B>150)] =0 #蓝色通道稍亮的 在红色通道置零
cv2.imshow("R_0", cv2.resize(R_ ,(int(0.3*W),int(0.3*H))))
R_ = np.where(R_<200,0,255).astype(np.uint8) #亮度小的置零
#cv2.imshow("R_", cv2.resize(R_ ,(int(0.3*W),int(0.3*H))))
drawRect(R_, img1st, W/200.0, H/60.0, 'gold',H/28.0, H/28.0) #识别金币最后，我们就得到了识别的结果：
代码语言：javascript复制cv2.imshow("detection", cv2.resize(img1st ,(int(0.3*W),int(0.3*H))))
cv2.waitKey()
cv2.destroyAllWindows()
小鸡和分数圈混到一起，有些瑕疵，需引入更细致的条件加以区分。
