目标跟踪、颜色识别（inRange 如何寻找目标HSV值）

inRange函数可以用来做什么？

       目标跟踪、颜色识别。

       inRange应用过程中，重要的就是找到合适的HSV值。

       在颜色空间人们听得最多的是RGB，它也是计算机色彩的自然表示，但对于人类来说，HSV颜色空间更符合人类的感知。HSV（色相饱和度值）：

H（Hue）：色调，取值范围是 [0,179] ，它用来限制某一个颜色的彩色光谱范围；

S（Saturation）：饱和度，取值范围是 [0,255] ,它用来限制颜色的深度，值越大颜色越深；

V（Value）：色值，取值范围是 [0,255] ,它用来限制像素的亮度，值越大像素越亮。

那如何找到合适的颜色跟踪阈值？

首先读取一张所要跟踪的图片：

import cv2
import imutils

frame = cv2.imread("UAV.jpg")
frame = imutils.resize(frame, width=320)  #调整一下图片大小
cv2.imshow('frame', frame)
cv2.waitKey(0)

说明：cv2.waitKey(0) 是一个键盘绑定函数，若不使用该函数，imshow图像即闪即退（或者说是显示不出来）。输出摄像头或视 频时，应指定一个大于0的参数。cv2.waitKey(10)：等待10毫秒播放下一帧。

        可以看到图像左下角，有显示对应坐标及对应坐标的RGB值。图像中选用了红色及蓝色卡纸作为目标来识别跟踪无人机，选用两张卡纸的目的是标注无人机pitch的正负，也可以说是无人机的头和尾，同时还可以得到无人机与目标点的角度值，从而可以控制yaw。

       然后将鼠标放到红色和蓝色卡纸上，得到对应的RGB值，记录下来。（红色：251,136,191      蓝色：153,217,211）

计算得到对应的HSV：

import cv2
import numpy as np

color=np.uint8([[[191 ,136 ,251]]])
hsv_color=cv2.cvtColor(color,cv2.COLOR_BGR2HSV)

print(hsv_color)

说明：opencv是以BGR格式读取图片的，所以要将得到的RGB值倒着输入。

得到HSV：红色：166,117,251     蓝色：87 ,75,217

可以分别用 [H-50 50? 50] 和 [H+50 255?  255] 做上下阈?值（根据实际情况调整，背景干扰少时范围可放宽一些，背景干扰多时范围限制严格一点，但要确保得到的HSV在上下阈值内）

import cv2
import numpy as np
import imutils


frame = cv2.imread("UAV.jpg")
frame = imutils.resize(frame, width=320)
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

mask_red = cv2.inRange(hsv, np.array((110., 50., 50)), np.array((180., 255., 255.)))
mask_red = cv2.medianBlur(mask_red, 3)
cnts_red = cv2.findContours(mask_red.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts_red = cnts_red[0] if imutils.is_cv2() else cnts_red[1]

mask_blue = cv2.inRange(hsv, np.array((40., 50., 50.)), np.array((140., 255., 255.)))
mask_blue = cv2.medianBlur(mask_blue, 3)
cnts_blue = cv2.findContours(mask_blue.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts_blue = cnts_blue[0] if imutils.is_cv2() else cnts_blue[1]

if (len(cnts_red) > 0):
    area = [cv2.contourArea(i) for i in cnts_red]
    index = np.argmax(area)
    rect_red = cv2.minAreaRect(cnts_red[index])
    box_red = np.int0(cv2.boxPoints(rect_red))
    cv2.drawContours(frame, [box_red], 0, (0, 0, 255), 2)

if (len(cnts_blue) > 0):
    area = [cv2.contourArea(i) for i in cnts_blue]
    index = np.argmax(area)
    rect_blue = cv2.minAreaRect(cnts_blue[index])
    box_blue = np.int0(cv2.boxPoints(rect_blue))
    cv2.drawContours(frame, [box_blue], 0, (0, 0, 255), 2)

cv2.imshow('frame', frame)
cv2.imshow('mask_red', mask_red)
cv2.imshow('mask_blue', mask_blue)

cv2.waitKey(0)

       可以看到，由于单片机是暗红色的，在提取红色时受到了干扰，需要再缩小一点范围。计算得到单片机暗红色H值为177，所以我将 mask_red改为cv2.inRange(hsv, np.array((110., 50., 50)), np.array((170., 255., 255.)))。

      至此，测试的对象还只是静态图，当开启摄像头实时跟踪的时候会受到光线的影响，RGB值变化很大，还需要再调节HSV的范围。而且选取目标跟踪颜色时，应选取背景干扰少的颜色。网上也有一张别人测好的HSV范围表可用，我用的效果还蛮好的。

      缺陷：inRange对光比较敏感，跟踪需要特定颜色。如若想对任意目标跟踪，可以使用CAMShift。但CAMShift对运动过快的对象容易跟丢。

其它一些应用：

       摄像头识别黄色条形码，并保存图片：

源码下载：

https://github.com/LNanL/drone