基于 OpenCV 的圖像顏色與形狀識別是通過以下原理實現的：

1. 圖像預處理：首先，將彩色圖像轉換為灰度圖像。這樣做是因為在灰度圖像中，每個像素只有一個顏色通道，可以更方便地進行后續處理。

2. 閾值分割：對灰度圖像進行閾值分割，將圖像轉換為二值圖像。閾值分割通過設定一個閾值，將圖像中灰度值高于閾值的像素設為白色（255），低于閾值的像素設為黑色（0）。這樣可以將圖像中的目標物體與背景分離開來。

3. 輪廓檢測：使用 OpenCV 的輪廓檢測函數 cv2.findContours() 來檢測二值圖像中的輪廓。輪廓是一系列相連的邊界點，可以表示出目標物體的形狀。

4. 形狀特征提取：通過計算輪廓的周長、面積等特征來判斷目標物體的形狀。例如，可以計算輪廓的周長，然后使用近似多邊形方法 cv2.approxPolyDP( ) 近似擬合輪廓，得到多邊形的頂點數。根據頂點數和其他特征，可以判斷出正方形、長方形、菱形等形狀。

5. 顏色識別：在預處理階段，可以根據需求對圖像進行顏色分割或顏色過濾，將感興趣的顏色區域提取出來。例如，可以使用 cv2.inRange() 函數設定顏色的范圍，將圖像中在范圍內的顏色設為白色，范圍外的顏色設為黑色，從而提取出目標物體的顏色區域。

綜合以上步驟，可以通過 OpenCV 實現圖像顏色與形狀識別。具體的實現方法根據具體需求和場景的復雜程度而有所不同，可能需要結合其他算法和技術進行改進和優化。