基于 OpenCV 的图像颜色与形状识别是通过以下原理实现的：

1. 图像预处理：首先，将彩色图像转换为灰度图像。这样做是因为在灰度图像中，每个像素只有一个颜色通道，可以更方便地进行后续处理。

2. 阈值分割：对灰度图像进行阈值分割，将图像转换为二值图像。阈值分割通过设定一个阈值，将图像中灰度值高于阈值的像素设为白色（255），低于阈值的像素设为黑色（0）。这样可以将图像中的目标物体与背景分离开来。

3. 轮廓检测：使用 OpenCV 的轮廓检测函数 cv2.findContours() 来检测二值图像中的轮廓。轮廓是一系列相连的边界点，可以表示出目标物体的形状。

4. 形状特征提取：通过计算轮廓的周长、面积等特征来判断目标物体的形状。例如，可以计算轮廓的周长，然后使用近似多边形方法 cv2.approxPolyDP( ) 近似拟合轮廓，得到多边形的顶点数。根据顶点数和其他特征，可以判断出正方形、长方形、菱形等形状。

5. 颜色识别：在预处理阶段，可以根据需求对图像进行颜色分割或颜色过滤，将感兴趣的颜色区域提取出来。例如，可以使用 cv2.inRange() 函数设定颜色的范围，将图像中在范围内的颜色设为白色，范围外的颜色设为黑色，从而提取出目标物体的颜色区域。

综合以上步骤，可以通过 OpenCV 实现图像颜色与形状识别。具体的实现方法根据具体需求和场景的复杂程度而有所不同，可能需要结合其他算法和技术进行改进和优化。