OpenCV颜色空间转换

前言

又是学习OpenCV的一天，我真的越来越喜欢它了，哈哈，不好意思哈！言归正传，这一章节主要讲的是颜色空间的转换。
学习目标是：

1. 图像从一个颜色空间转换为另一个颜色空间，比如：RGB<=>GRAY，RGB<=>HSV等，这两种是比较常用的。
2. 常用的两个函数为：cv.cvtcolor（）、cv.inrange（）通过这一章节可以学习到。
3. 用视频捕捉摄像头中某种颜色，做出掩模，只显示该颜色的物体。这一功能对后面视频捕捉和机器人跟踪作用很大。
   还是指出官方教程链接。

一些思考

按照官方教程实现了视频捕捉，但是发现掩模不是只显示蓝色的物体，一度以为程序上出现问题，用不同颜色物体测试后发现，原来是掩模的阈值设置的有问题，教程上的阈值是捕捉红色的阈值。找到问题后，希望做一个可以灵活选择捕捉颜色的功能，就想到前面学习的拖拽条功能。一方面可以直观的学习和感受一下HSV的颜色空间，另一方面，可以总结出常用的颜色的阈值范围，列出表格，后续使用起来就方便很多。因此，我把官方教程的例子扩展了一下。

实现思路

1. 读取图片，是否需要resize一下图片大小，方便显示；
2. 建立拖拽条，和拖拽条位置反馈函数；
3. 转换颜色空间从RGB<=>HSV；
4. 做掩模，即设置感兴趣的颜色阈值；
5. 将原图和掩模，按位求与，用cv.bitwise_and函数。

实现步骤

1. 读入一张图片

#读入一张图片
o = cv.imread('color24.jpg')
img = cv.resize(o,(380,380),interpolation=cv.INTER_CUBIC)
cv.namedWindow('img')

2. 创建拖拽条，拖拽条位置函数

def nothing(x):
    pass
#if not cap.isOpened():
    #print('camera cannot open')
    #exit()

lower_h = cv.createTrackbar('lower_h','img',0,255,nothing)
upper_h = cv.createTrackbar('upper_h','img',0,255,nothing)
lower_s = cv.createTrackbar('lower_s','img',0,255,nothing)
upper_s = cv.createTrackbar('upper_s','img',0,255,nothing)
lower_v = cv.createTrackbar('lower_v','img',0,255,nothing)
upper_v = cv.createTrackbar('upper_v','img',0,255,nothing)

def get_hsv():
    h_lower = cv.getTrackbarPos('lower_h','img')
    h_upper = cv.getTrackbarPos('upper_h','img')
    s_lower = cv.getTrackbarPos('lower_s', 'img')
    s_upper = cv.getTrackbarPos('upper_s', 'img')
    v_lower = cv.getTrackbarPos('lower_v', 'img')
    v_upper = cv.getTrackbarPos('upper_v', 'img')
    lower_hsv = np.array([h_lower,s_lower,v_lower])
    upper_hsv = np.array([h_upper,s_upper,v_upper])
    return lower_hsv,upper_hsv

3. 主函数

while(1):
    #一帧帧的捕捉视频
    lower_hsv, upper_hsv=get_hsv()   
    #转成HSV    
    hsv = cv.cvtColor(img, cv.COLOR_RGB2HSV)
    #定义拾取到蓝色在HSV中的范围：lower_blue\upper_blue
    #做掩模，在图像中只得到蓝色的部分
    mask =cv.inRange(hsv,lower_hsv,upper_hsv)
    #再把掩模和原图像AND在一起，与运算
    res = cv.bitwise_and(img, img, mask=mask)
    cv.imshow('original',img)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k ==27:
        break
cv.destroyAllWindows()

4. 运行结果

RBG和HSV颜色对照小结

这里稍微说一下RGB颜色空间和HSV颜色空间的定义和区别。

1. RGB颜色空间
   RGB色彩空间源于使用阴极射线管的彩色电视，RGB分别代表三个基色（R-红色、G-绿色、B-蓝色），具体的色彩值由三个基色叠加而成。在图像处理中，我们往往使用向量表示色彩的值，如(0,0,0)表示黑色、(255, 255, 255)表示白色。其中，255表示色彩空间被量化成255个数，最高亮度值为255（255 = 2^8 - 1，即每个色彩通道用8位表示）。在这个色彩空间中，有256256256种颜色。RGB色彩空间如下图所示（图片来自百度百科）。是一个包含Red、Green、Blue的三维空间。
   
2. HSV色彩空间
   HSV色彩空间（Hue-色调、Saturation-饱和度、Value-值）将亮度从色彩中分解出来，在图像增强算法中用途很广。在我本人接触的图像处理项目中，经常将图像从RGB色彩空间转换到了HSV色彩空间，以便更好地感知图像颜色，利用HSV分量从图像中提取感兴趣的区域。
   HSV形状类似一个锥形。

通过测试和比对，列出下面表格：

	兰	C青	G绿	Y黄	R红	M品红
lower_h	-16(164)	21	42	86	112	133
upper_h	21	42	86	112	133	164
lower_s	0	0	0	0	0	0
upper_s	255	255	255	255	255	255
lower_v	0	0	0	0	0	0
upper_v	255	255	255	255	255	255

也不是特别精准，可以起到一定的借鉴作用，具体提取颜色的[h,s,v]，作为超参数需要调试和标定，大家要有一定耐心哈！
我们可以找个具有图形的图片先测试一下。
1.首先登场的是，黄色为代表的，非著名动画人物比卡丘

民那桑，效果不错吧，哈哈！记下HSV的阈值，后面可以继续在视频中跟踪到可爱的化身比卡丘君。

视频捕捉测试

还是回归官网教程，用视频做颜色捕捉，因为所在环境光照比较强，而且是笔记本摄像头，所以电流波动和干扰比较大，其实可以通过滤波实现画面的优化，但这里重点不是说这些操作，后面学到了，我会再写出来。
视频是以一个色卡随机展示一些颜色，从画面中找出蓝色的部分，结果基本可以接受。蓝色的区域用红色线标出来了。

这一章节内容基本到这了，我会继续学习，不定期更新，先给自己打打气，哈哈，继续学习去了！