图像色彩追踪

色彩追踪指的是找出RGB图像中特定颜色在原图中所在的位置

思考：由于在RGB色彩空间中颜色有256³种，色彩追踪是比较困难的。所以我们考虑先将图像转换到HSV色彩空间中。

HSV变换，是将RGB变换到H（Hue：色相）、S（Saturation：饱和度）、V（Value：明度）的方法

关于RGB变到HSV可参考

关于HSV色彩空间的一些说明：

• 饱和度越小，图像越白，饱和度越大，颜色越浓烈，0<=S<=1;
• 明度数值越高图像越接近于白色，越低越接近于黑色，0<=V<=1;
• 色相：将颜色用0到360度表示，具体色相与数值对应关系可参考下图：
  

实验：追踪图像中的蓝色部分：

思考：为了追踪蓝色，可以将RGB图像转换为HSV图像后，提取色相在180°到240°之间的图像，将其值置为255（白色）。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# BGR -> HSV
def BGR2HSV(_img):
	img = _img.copy() / 255.

	hsv = np.zeros_like(img, dtype=np.float32)

	# get max and min
	max_v = np.max(img, axis=2).copy()
	min_v = np.min(img, axis=2).copy()
	min_arg = np.argmin(img, axis=2)

	# H
	hsv[..., 0][np.where(max_v == min_v)]= 0
	## if min == B
	ind = np.where(min_arg == 0)
	hsv[..., 0][ind] = 60 * (img[..., 1][ind] - img[..., 2][ind]) / (max_v[ind] - min_v[ind]) + 60
	## if min == R
	ind = np.where(min_arg == 2)
	hsv[..., 0][ind] = 60 * (img[..., 0][ind] - img[..., 1][ind]) / (max_v[ind] - min_v[ind]) + 180
	## if min == G
	ind = np.where(min_arg == 1)
	hsv[..., 0][ind] = 60 * (img[..., 2][ind] - img[..., 0][ind]) / (max_v[ind] - min_v[ind]) + 300
		
	# S
	hsv[..., 1] = max_v.copy() - min_v.copy()

	# V
	hsv[..., 2] = max_v.copy()
	
	return hsv

# make mask
def get_mask(hsv):
	mask = np.zeros_like(hsv[..., 0])
	#mask[np.where((hsv > 180) & (hsv[0] < 260))] = 255
	mask[np.logical_and((hsv[..., 0] > 180), (hsv[..., 0] < 260))] = 255
	return mask


# Read image
img = cv2.imread("../lantian.jpg").astype(np.float32)

# RGB > HSV
hsv = BGR2HSV(img)


# color tracking
mask = get_mask(hsv)

out = mask.astype(np.uint8)

# Save result
cv2.imwrite("out.png", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

实验结果：

可以看到，原图像中蓝色的部分就是生成图中白色的部分。