opencv HSV;OpenCvSharp HSV ;opencv 颜色识别;OpenCvSharp 颜色识别;C# opencv HSV

3 篇文章 0 订阅
2 篇文章 0 订阅

opencv HSV;OpenCvSharp HSV ;opencv 颜色识别;OpenCvSharp 颜色识别;C# opencv HSV

源码下载地址:https://download.csdn.net/download/TangLingBo/12593161

按照10种颜色来划分,10种颜色为一级,二级颜色需要自己去定义,可也知道各种颜色占的百分百比。

可也全图解析颜色,和选择一个区域解析颜色。

效果图:

核心代码:

            Mat srcImg =new Mat(strImg1, ImreadModes.Color);
           
            Mat imgHSV=new Mat();
            string strType =cboType.Text.Trim();
            ColorConversionCodes colorType = (ColorConversionCodes)Enum.Parse(typeof(ColorConversionCodes), strType);
            Cv2.CvtColor(srcImg, imgHSV, colorType); //Convert the captured frame from BGR to HSV

         
            //不需要
            因为我们读取的是彩色图,直方图均衡化需要在HSV空间做
            //Mat[] hsvSplit= Cv2.Split(imgHSV);
            //Cv2.EqualizeHist(hsvSplit[2], hsvSplit[2]);
            //Cv2.Merge(hsvSplit, imgHSV);

            Mat imgThresholded=new Mat();

            Cv2.InRange(imgHSV,new Scalar(iLowH, iLowS, iLowV), new Scalar(iHighH, iHighS, iHighV), imgThresholded); //Threshold the image

            if (checkBox1.Checked)
            {
                //开操作 (去除一些噪点)
                Mat element = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(5, 5));
                Cv2.MorphologyEx(imgThresholded, imgThresholded, MorphTypes.Open, element);

                //闭操作 (连接一些连通域)
                Cv2.MorphologyEx(imgThresholded, imgThresholded, MorphTypes.Close, element);
            }
            //输出图像分配内存
            Mat dst = null;
            if (checkBox2.Checked)
            {
                dst = new Mat(srcImg.Size(), srcImg.Type());
                //掩模到原图的转换
                for (int r = 0; r < srcImg.Rows; r++)
                {
                    for (int c = 0; c < srcImg.Cols; c++)
                    {
                        if (imgThresholded.At<byte>(r, c) == 255)
                        {
                            Vec3b vec3B = srcImg.At<Vec3b>(r, c);
                            if (vec3B.Item0==0&& vec3B.Item1==0&& vec3B.Item2==0)
                            {
                                vec3B.Item0 = 255;
                                vec3B.Item1 = 255;
                                vec3B.Item2 = 255;
                            }
                            dst.Set<Vec3b>(r, c, vec3B);
                        }
                    }
                }
            }
            else
            {
                dst = imgThresholded;
            }

            pictureBox3.BackgroundImage = BitmapConverter.ToBitmap(imgHSV);
            pictureBox2.BackgroundImage = BitmapConverter.ToBitmap(dst);

源码下载地址:https://download.csdn.net/download/TangLingBo/12593161​​​​​​​

  • 1
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
### 回答1: OpenCV是一个开源计算机视觉库,它支持诸如颜色空间转换之类的图像处理操作。HSV颜色空间是将RGB颜色空间中的颜色转换为色相(H),饱和度(S)和明度(V)三个值。使用OpenCV中的cv2.cvtColor()函数可以将图像从RGB转换为HSV。然后可以使用inRange()函数来识别指定范围内的颜色。 ### 回答2: Python是一种非常流行的编程语言,而OpenCV是一种广泛用于计算机视觉的开源库。在使用OpenCV进行颜色识别的时候,最好使用HSV颜色空间而不是RGB颜色空间。这是因为在HSV颜色空间中,我们可以将颜色表示为更直观的方式,即色调,饱和度和值。下面我将详细介绍如何在Python中使用OpenCV进行HSV颜色识别。 1. 导入OpenCV和numpy库 在Python中使用OpenCV进行图像处理,首先需要导入OpenCV和numpy库。Numpy是一个Python科学计算库,用于处理数组和矩阵,是OpenCV中很重要的一个组成部分。 import cv2 import numpy as np 2. 载入图片 在进行颜色识别之前,首先需要载入一张图片,可以使用OpenCV的cv2.imread()函数进行载入,并使用cv2.imshow()函数显示图片。 img = cv2.imread('image.png') cv2.imshow('image', img) 3. 将图像转换为HSV颜色空间 在HSV颜色空间中,可以使用cv2.cvtColor()函数将图像从RGB转换为HSV颜色空间。 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) 4. 定义颜色范围 HSV颜色空间中,我们可以使用色调(Hue)、饱和度(Saturation)和值(Value)三个参数来描述颜色。对于不同颜色的识别,我们需要定义不同的颜色范围。例如,我们想要找到红色的范围,我们可以定义: lower_red = np.array([0, 50, 50]) upper_red = np.array([10, 255, 255]) 在这个例子中,lower_red和upper_red是颜色范围的下限和上限。 5. 对图像进行颜色分割 一旦我们有了颜色范围,就可以使用cv2.inRange()函数将图像中的颜色分割出来,并将它们变为白色,其余的颜色变为黑色。 mask = cv2.inRange(hsv, lower_red, upper_red) cv2.imshow('mask',mask) 6. 显示结果 最后,我们可以使用cv2.bitwise_and()函数将颜色分割后的图像与原始图像进行合并,并使用cv2.imshow()函数显示结果。 result = cv2.bitwise_and(img,img, mask= mask) cv2.imshow('result',result) 至此,一个简单的HSV颜色识别程序就完成了。在实际应用中,可以根据需要复制上面的步骤并调整颜色范围来识别多个颜色。总之,OpenCV提供了丰富的图像处理功能,为Python中进行计算机视觉任务提供了强大的工具和支持。 ### 回答3: Python是一种高级编程语言,它的优点是简单易学、易于阅读,同时也有着广阔的应用场景。而OpenCV则是计算机视觉和机器人领域中应用最广泛的库。 在图像处理中,我们不仅需要处理RGB 三原色,还需要对图像进行更复杂的处理。HSV颜色模型是一种常用的颜色模型,与常见的RGB模型相比,它的颜色表示更直观,而且更符合人类的视觉感受。 HSV颜色模型主要由三个参数组成:色相、饱和度和亮度,分别代表着颜色的色调、纯度和亮度。H(色相)通道表示颜色是什么样的颜色(如红、绿、蓝等);S(饱和度)通道表示颜色的纯度或亮度(即颜色的“深度”);V(亮度)通道表示颜色的明亮程度。 在使用Python和OpenCV进行图像处理时,我们可以通过HSV颜色模型来完成颜色的识别。一般来说,先将图像从RGB空间转换到HSV空间,然后通过设置合适的颜色阈值来获取感兴趣的颜色区域。 使用Python+OpenCV实现HSV颜色识别的具体步骤如下: 1. 读取图像并将其转换为HSV颜色空间 ```python import cv2 # 读取图像 img = cv2.imread('img.jpg') # 将图像转换为HSV颜色空间 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) ``` 2. 设置颜色阈值,获取感兴趣的区域 ```python # 设置颜色阈值,获取感兴趣的区域 lower_color = np.array([h_min, s_min, v_min]) upper_color = np.array([h_max, s_max, v_max]) mask = cv2.inRange(hsv, lower_color, upper_color) ``` 其中,lower_color 和 upper_color 分别代表颜色范围的下限和上限,可以根据实际需求进行调整。mask 是根据颜色阈值设定的掩码图像,它将感兴趣的区域标记出来,以便后续的处理。 3. 对感兴趣的区域进行形态学操作 ```python kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=2) ``` 这一步操作主要是对掩码图像进行形态学操作,以去除一些噪声和不规则的轮廓。这里采用了开运算,先对图像进行腐蚀操作,再进行膨胀操作,以消除噪声。iterations参数代表迭代次数,多次迭代可以更好地去除噪声。 4. 寻找感兴趣区域并进行标记 ```python contours, hierarchy = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for i, contour in enumerate(contours): area = cv2.contourArea(contour) if area < min_area: continue (x, y, w, h) = cv2.boundingRect(contour) cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) ``` 这一步操作主要是对感兴趣区域进行标记。使用findContours函数找到感兴趣的轮廓,使用boundingRect函数计算轮廓的边界框,将其用矩形表示,并在原始图像上绘制出来。 通过上述的步骤,就可以用Python和OpenCV来实现HSV颜色识别了。当然,具体的实现还需要结合实际的需求和场景进行调整和优化,但整个流程大概是这样的。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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