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
- 常用的颜色空间,参考该文章:常用的颜色空间
- 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
- 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
- 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:
- 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:
- 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: