opencv学习笔记 3 ：色彩空间

课程视频链接

基于Python3的Opencv图像处理教程：https://b23.tv/Zye4BV

1. 课程任务

色彩空间转换API
学会使用inRange( )
通道分离与合并

2. 知识点

2.1 颜色空间

1. 常用的颜色空间，参考该文章：常用的颜色空间
2. 色彩空间的相互转换：最常见的是HSV与RGB,YUV与RGB的相互转换
3. 常见色彩空间有：
   RGB：最常用
   HSV：对指定色彩铭感，用于查找表达特定颜色
   HIS：
   YCrCb：在人体肤色识别运用较多
   YUV:Android开发中运用较多

2.2 cvtColor()函数

cv::cvtColor()用于将图像从一个颜色空间转换到另一个颜色空间的转换（目前常见的颜色空间均支持），并且在转换的过程中能够保证数据的类型不变，即转换后的图像的数据类型和位深与源图像一致。

2.3 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(InputArray src, InputArray lowerb,
                          InputArray upperb, OutputArray dst);

官方文档中的解释：Checks if array elements lie between the elements of two other arrays.即检查数组元素是否在另外两个数组元素值之间。这里的数组通常也就是矩阵Mat或向量。请注意：该函数输出的dst是一幅二值化之后的图像。

参数解释：

参数1：输入要处理的图像，可以为单通道或多通道。
参数2：包含下边界的数组或标量。
参数3：包含上边界数组或标量。
参数4：输出图像，与输入图像src 尺寸相同且为CV_8U 类型。
请注意：该函数输出的dst是一幅二值化之后的图像。

2.4 HSV颜色区间

如果直接使用OpenCV中cvtColor函数，并设置参数为CV_BGR2HSV,那么所得的H、S、V值范围分别是[0,180)，[0,255)，[0,255)，而非[0,360]，[0,1]，[0,1]；这时我们可以查下面的表格来确定颜色的大致区间。

3. 代码

1. 色彩空间转换API

import cv2 as cv
import numpy as np


# 色彩空间转换API
def color_space_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    cv.imshow("gray", gray)
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    cv.imshow("hsv", hsv)
    yuv = cv.cvtColor(image, cv.COLOR_BGR2YUV)
    cv.imshow("yuv", yuv)
    ycrcb = cv.cvtColor(image, cv.COLOR_BGR2YCrCb)
    cv.imshow("ycrcb", ycrcb)


src = cv.imread("1.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
color_space_demo(src)
# 图像一直显示
cv.waitKey(0)
cv.destroyAllWindows()

结果：

2. 显示视频并使用inRange( )

import cv2 as cv
import numpy as np

# 显示视频并使用 inRange( )
def extrace_object_demo():
    capture = cv.VideoCapture("D:/CODE/opencv/1.mp4")
    while(True):
        ret, frame = capture.read()  # ret返回True/False（有无视频），frame返回视频内容
        if ret == False:
            break;
        hsv = cv. cvtColor(frame, cv.COLOR_BGR2HSV)
        lower_hsv = np.array([37, 43, 46])
        upper_hsv = np.array([77, 255, 255])
        mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)  # 提取绿色区域，转换为二值视频
        cv.imshow("video", frame)
        cv.imshow("mask", mask)
        c = cv.waitKey(40)
        if c == 27:
            break


extrace_object_demo()

结果：

3. 通道分离与合并

import cv2 as cv
import numpy as np

src = cv.imread("1.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

# 图像通道的分离与合并
b, g, r = cv.split(src)  # 通道分离
cv.imshow("blue", b)
cv.imshow("green", g)
cv.imshow("red", r)

src = cv.merge([b, g, r])  # 通道融合
cv. imshow("merged image", src)

src[:, :, 2] = 0  # 某一通道值改变
cv. imshow("changed image", src)

# 图像一直显示
cv.waitKey(0)
cv.destroyAllWindows()

结果：