使用 inRange 进行阈值操作

最新推荐文章于 2024-05-29 12:46:19 发布
最新推荐文章于 2024-05-29 12:46:19 发布
阅读量1k 收藏 19
点赞数 26
文章标签： opencv 人工智能 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_81888214/article/details/135883823
版权

目标

在本教程中，您将学习如何：

  • 使用 OpenCV cv：：inRange 函数执行基本的阈值操作。
  • 根据 HSV 色彩空间中的像素值范围检测对象。

理论

  • 在上一教程中，我们学习了如何使用 cv：：threshold 函数执行阈值设置。
  • 在本教程中，我们将学习如何使用 cv：：inRange 函数来做到这一点。
  • 这个概念保持不变，但现在我们添加了一系列我们需要的像素值。

HSV 色彩空间

HSV（色调、饱和度、值）色彩空间是一种表示类似于 RGB 颜色模型的色彩空间的模型。由于色调通道对颜色类型进行建模，因此在需要根据颜色分割对象的图像处理任务中非常有用。饱和度的变化从不饱和到表示灰色阴影和完全饱和（无白色分量）。值通道描述颜色的亮度或强度。下图显示了 HSV 气缸。

Threshold_inRange_HSV_colorspace.jpg

作者：SharkD衍生作品：SharkD [CC BY-SA 3.0 或 GFDL]，通过 Wikimedia Commons

由于 RGB 颜色空间中的颜色是使用三个通道编码的，因此根据图像中的颜色对图像中的对象进行分割更加困难。

Threshold_inRange_RGB_colorspace.jpg

作者：SharkD [GFDL or CC BY-SA 4.0]，来自 Wikimedia Commons

颜色转换中介绍了使用 cv：：cvtColor 函数从一个颜色空间转换为另一个颜色空间的公式

法典 C++爪哇岛蟒

教程代码如下所示。您也可以从这里下载

#include“opencv2/imgproc.hpp”

#include “opencv2/highgui.hpp”

#include “opencv2/videoio.hpp”

#include < iostream>

使用命名空间 CV;

常量 int max_value_H = 360/2;

常量整数 max_value = 255;

const String window_capture_name = “视频捕获”;

const String window_detection_name = “对象检测”;

int low_H = 0， low_S = 0， low_V = 0;

int high_H = max_value_H， high_S = max_value， high_V = max_value;

静态 void on_low_H_thresh_trackbar（int， void *)

{

low_H = min（high_H-1， low_H）;

​ setTrackbarPos（“低 H”， window_detection_name， low_H）;

}

静态 void on_high_H_thresh_trackbar（int， void *)

{

high_H = 最大（high_H， low_H+1）;

​ setTrackbarPos（“高 H”， window_detection_name， high_H）;

}

静态 void on_low_S_thresh_trackbar（int， void *)

{

low_S = min（high_S-1， low_S）;

​ setTrackbarPos（“低 S”， window_detection_name， low_S）;

}

静态 void on_high_S_thresh_trackbar（int， void *)

{

high_S = 最大（high_S， low_S+1）;

​ setTrackbarPos（“高 S”， window_detection_name， high_S）;

}

静态 void on_low_V_thresh_trackbar（int， void *)

{

low_V = min（high_V-1， low_V）;

​ setTrackbarPos（“低电压”， window_detection_name， low_V）;

}

静态 void on_high_V_thresh_trackbar（int， void *)

{

high_V = max（high_V， low_V+1）;

​ setTrackbarPos（“高V”， window_detection_name， high_V）;

}

int main（int argc， char* argv[]）

{

​ VideoCapture cap（argc > 1 ？ atoi（argv[1]） ： 0）;

​ namedWindow（window_capture_name）;

​ namedWindow（window_detection_name）;

​ 用于设置 HSV 值阈值的跟踪栏

​ createTrackbar（“低 H”， window_detection_name， &low_H， max_value_H， on_low_H_thresh_trackbar）;

​ createTrackbar（“高 H”， window_detection_name， &high_H， max_value_H， on_high_H_thresh_trackbar）;

​ createTrackbar（“低 S”， window_detection_name， &low_S， max_value， on_low_S_thresh_trackbar）;

​ createTrackbar（“高 S”， window_detection_name， &high_S， max_value， on_high_S_thresh_trackbar）;

​ createTrackbar（“低电压”， window_detection_name， &low_V， max_value， on_low_V_thresh_trackbar）;

​ createTrackbar（“高 V”， window_detection_name， &high_V， max_value， on_high_V_thresh_trackbar）;

​ 垫架、frame_HSV、frame_threshold;

​ 而 （true) {

框架>>盖;

​ 如果（frame.empty（））

​ {

​ 破;

​ }

​ 从 BGR 转换 到 HSV 色彩空间

​ cvtColor（帧， frame_HSV， COLOR_BGR2HSV);

​ 根据 HSV 范围值检测对象

​ inRange（frame_HSV， Scalar（low_H， low_S， low_V）， Scalar（high_H， high_S， high_V）， frame_threshold）;

​ 显示框架

​ imshow（window_capture_name，帧）;

​ imshow（window_detection_name， frame_threshold）;

​ char key = （char） waitKey（30）;

​ if （键 == ‘q’ || 键 == 27）

​ {

​ 破;

​ }

​ }

​ 返回 0;

}

解释 C++爪哇岛蟒

让我们检查一下程序的一般结构：

  • 从默认或提供的捕获设备捕获视频流。

VideoCapture cap（argc > 1 ？ atoi（argv[1]） ： 0）;

  • 创建一个窗口以显示默认框架和阈值框架。

​ namedWindow（window_capture_name）;

​ namedWindow（window_detection_name）;

  • 创建跟踪栏以设置 HSV 值的范围

​ 用于设置 HSV 值阈值的跟踪栏

​ createTrackbar（“低 H”， window_detection_name， &low_H， max_value_H， on_low_H_thresh_trackbar）;

​ createTrackbar（“高 H”， window_detection_name， &high_H， max_value_H， on_high_H_thresh_trackbar）;

​ createTrackbar（“低 S”， window_detection_name， &low_S， max_value， on_low_S_thresh_trackbar）;

​ createTrackbar（“高 S”， window_detection_name， &high_S， max_value， on_high_S_thresh_trackbar）;

​ createTrackbar（“低电压”， window_detection_name， &low_V， max_value， on_low_V_thresh_trackbar）;

​ createTrackbar（“高 V”， window_detection_name， &high_V， max_value， on_high_V_thresh_trackbar）;

  • 在用户希望程序退出之前，请执行以下操作

框架>>盖;

​ 如果（frame.empty（））

​ {

​ 破;

​ }

​ 从 BGR 转换 到 HSV 色彩空间

​ cvtColor（帧， frame_HSV， COLOR_BGR2HSV);

​ 根据 HSV 范围值检测对象

​ inRange（frame_HSV， Scalar（low_H， low_S， low_V）， Scalar（high_H， high_S， high_V）， frame_threshold）;

  • 显示图像

​ 显示框架

​ imshow（window_capture_name，帧）;

​ imshow（window_detection_name， frame_threshold）;

  • 对于控制下限范围的跟踪栏，例如色调值：

静态 void on_low_H_thresh_trackbar（int， void *)

{

low_H = min（high_H-1， low_H）;

​ setTrackbarPos（“低 H”， window_detection_name， low_H）;

}

静态 void on_low_H_thresh_trackbar（int， void *)

{

low_H = min（high_H-1， low_H）;

​ setTrackbarPos（“低 H”， window_detection_name， low_H）;

}

  • 对于控制上限范围的跟踪栏，例如色调值：

静态 void on_high_H_thresh_trackbar（int， void *)

{

high_H = 最大（high_H， low_H+1）;

​ setTrackbarPos（“高 H”， window_detection_name， high_H）;

}

  • 有必要找到最大值和最小值，以避免阈值的高值小于低值等差异。

结果

  • 编译此程序后，运行它。该程序将打开两个窗口

  • 当您从跟踪栏设置范围值时，生成的帧将在另一个窗口中可见。

    Threshold_inRange_Tutorial_Result_input.jpeg

    在这里插入图片描述

在线教程

请添加图片描述

人工智能书籍

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

在这里插入图片描述

人工智能小豪
关注
  • 26
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【opencv-c++】cv::inRange阈值操作选择指定值范围的像素
jn10010537的博客
10-05 1473
如果像素的BGR的3个值都在两个你输入的数组的范围内，那么输出dst单通道的这个位置的数值会被设置为255，否则设置为0。在标准HSV空间中，H通道的取值范围为0 ~ 360，S通道的取值范围为0 ~ 1( 0% ~ 100%)，V通道的取值范围为 0 ~ 1( 0% ~ 100%)。如果一幅灰度图像的某个像素的灰度值在指定的高、低阈值范围之内，则在dst图像中令该像素值为255，否则令其为0，该函数输出的dst是一幅二值化之后的图像，即无论输入是单通道还是3通道，它的输出是单通道的二值图像。
对果实图像进行阈值分割
11-04
在OpenCV中，可以使用`cv2.inRange()`函数进行HSV阈值操作。该函数接受一个源图像、一个低阈值和一个高阈值，返回一个新的二值图像，其中对应于指定阈值范围内的像素值为白色，其余为黑色。 接下来，为了提取果实的...
OpenCV中的inRange()
Arcobaleno
07-11 3万+
【1】inRange()函数 OpenCV中的inRange()函数可实现二值化功能（这点类似threshold()函数），更关键的是可以同时针对多通道进行操作，使用起来非常方便！主要是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0），该功能类似于之间所讲的双阈值化操作。 函数原型（C++）： void inRange(InputArr...
如何选择正确的颜色来设置OpenCV图像的阈值？
最新发布
wangbadan121的专栏
05-29 492
通过上述步骤，你可以根据需要选择正确的颜色来设置OpenCV图像的阈值。- **单通道阈值**：对于彩色图像，如果你想要分别对红色、蓝色、绿色三个通道应用不同的阈值，那么你需要对每个通道分别进行处理。- **二值阈值**：对于黑白图像（即灰度图），你可以使用`cv2.threshold()`函数来设置阈值。首先，你需要决定你想要设置的阈值类型。主要有两种类型的阈值：二值阈值和单通道阈值。在代码的最后，你可以使用`cv2.imshow()`函数来显示处理后的图像。根据选择的阈值类型，使用相应的函数应用阈值。
cv.inRange()
qq_45279570的博客
09-12 356
函数作用 将图像src中像素值位于[lower,upper)中的置为白色255，其余为黑色0. 函数原型 void inRange(src,lower,upper,dst);
OpenCV中inRange函数
xiaofeixia002X的博客
02-19 2382
在OpenCV中，inRange函数用于根据颜色范围从图像中提取特定的颜色区域。。这种方法在处理颜色过滤、颜色识别等任务时非常有用。：输入图像，通常是经过颜色空间转换后的图像，比如从BGR转换到HSV颜色空间的图像。：颜色范围的下界，使用Scalar类型表示。：颜色范围的上界，使用Scalar类型表示。：输出图像，是一个二值图像，其中符合颜色范围的像素被设置为255，不符合的被设置为0。
opencv函数之cv.inRange函数
恒持此志成永志
08-08 4673
# coding=GBK import cv2 as cv import numpy as np def video(): cap=cv.VideoCapture(0) while(True): ret,frame=cap.read() if(ret==False): break hsv=cv.cvtColor(frame,cv.COLOR_BGR2HSV) lowe...
opencv之基本阈值操作实例下载
12-24
2. **cv::inRange()**：此函数用于彩色图像的色彩范围阈值。通过指定一个颜色范围，可以将图像中位于该范围内的像素标记出来，常用于色彩分割。 3. **AdaptiveThreshold()**：自适应阈值处理，根据每个像素的局部...
inrange_color:opencv inrange函数彩图分割实例
05-12
在OpenCV库中，`inRange()`函数是一个非常重要的色彩空间操作工具，它主要用于彩色图像的阈值处理，可以实现彩图的分割。这个实例是关于如何利用OpenCV的`inRange()`函数进行颜色范围筛选，从而对彩色图像进行分割。...
python找出列表中大于某个阈值的数据段示例
09-18
for i in range(len(data)): if data[i] > level: # 如果当前元素大于阈值 temp.append(data[i]) # 添加到临时列表 else: # 如果当前元素不大于阈值 if temp: # 检查临时列表是否为空，不为空则表示找到了一个...
OTSU自适应阈值化
01-19
for i in range(1, len(cdf_normalized)): p1, p2 = cdf_normalized[i - 1], cdf_normalized[i] w1, w2 = p1, p2 - p1 if w1 == 0 or w2 == 0: continue var_between = w1 * w2 * (np.log(w1 / (1 - w1)) + np....
【OpenCV入门学习--python】cv::inRange函数执行基本阈值操作；HSV
qq_43536231的博客
07-13 945
【OpenCV入门学习--python】cv::inRange函数执行基本阈值操作；HSV
OpenCV函数inRange()的作用及使用时的注意事项
昊虹AI笔记
07-12 8757
OpenCV中的函数inRange()用于将指定值范围的像素选出来。如果像素的值满足指定的范围，则这个像素点的值被置为255，否则值被置为0。 其函数原型如下： void cv::inRange( InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst ) 参数意义如下： src---first input array. lowerb---inclusive lowe
cv.inRange()函数原理简述
HiSi_的博客
08-21 5960
cv.inRange()函数的作用是可以提取你想要的颜色，并把该颜色的区域设置为白色，其余的设置为黑色。 其实原理是这样的：在RGB三通道图像中，该函数会让你输入一个低值数组和高值数组，然后这个函数会扫描图片的每个像素，每个像素的值，即这个数组的每个值，如果相对应的，都在两个你输入的数组的，相对应的位置的数值内，那么这个数值会被设置为白色。否则只要有一个不在这个范围内，那么就会设置为黑色。 比如：低值数组：np.array([1,2,3]) 高值数组：np.arrat([4,5,6]) 那么，如果一个像素所
OpenCV inRange函数 小白使用教程
m0_68333691的博客
04-18 681
我们将h乘以180，s和v乘以255得到想要的Scalar（h,s,v）。（Saturation，简S）和色明度（Value，简V）所表示的。这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。RGB的获得有很多种方法，最简单的就是qq快捷键ctrl+alt+a，将光标移到想要的颜色上，得到hsv。此处只对image进行修改，需要填写中间的两个Scalar（h，s，v），使颜色在这个区域内。关于如何获得hsv的值，这里我的方法是先得到RGB，再通过网上菜鸟工具来转化得到hsv。
OpenCV inRange 函数使用详解
断点
12-23 5352
本文是 OpenCV图像视觉入门之路的第6篇文章，详细的解决了RGB转HSV，HSV通过AI来进行HSV转 inRange() 函数的范围值操作，简单全面的解决了OpenCV对于图像中某个颜色的分析工作，本文通过识别红色区域和蓝色区域来编写示例程序和博客，也讲述了各种操作，例如：RGB转HSV、转换工具、公式转换、代码实现、猿如意中ChatGPT的使用、识别红色区域、调整V亮度、调整S饱和度、调整H色调、识别蓝色区域等等操作。
opencv函数之cv.InRange函数
weixin_30815469的博客
03-04 1188
2018-03-0421:22:46 (1)cv.InRange函数 void cvInRange(//提取图像中在阈值中间的部分 const CvArr* src,//目标图像const CvArr* lower,//阈值下限 const CvArr* upper,//阈值上限 CvArr* dst//结果图像 ) 历程：# 取出摄像头中，绿色的区域 import ...
OpenCV中inRange()函数的使用
诗眼天涯的专栏
12-11 5万+
OpenCV中的inRange()函数可实现二值化功能（这点类似threshold()函数），更关键的是可以同时针对多通道进行操作，使用起来非常方便！ 函数原型（C++）： void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst) 官方文档中的解释：Checks if array
python-opencv中的cv2.inRange函数
热门推荐
hjxu2016的博客
09-04 9万+
就是将低于lower_red和高于upper_red的部分分别变成0，lower_red～upper_red之间的值变成255。第二个参数：lower_red指的是图像中低于这个lower_red的值，图像值变为0。第三个参数：upper_red指的是图像中高于这个upper_red的值，图像值变为0。本次目标是将一副图像从rgb颜色空间转换到hsv颜色空间，颜色去除白色背景部分。而在lower_red～upper_red之间的值变成255。具体就调用了cv2的两个函数，一个是rgb转hsv的函数。
c++ opencv inRange
03-15
C++ OpenCV中的inRange函数是用于在给定范围内对图像进行像素值的阈值化操作。它可以帮助我们提取图像中特定范围内的像素。 inRange函数的语法如下： ```cpp void inRange(InputArray src, InputArray lowerb, ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值