之前我们已经知道怎么检测蓝幕背景了,但是这种检测方法是有前提的,就是场景光线要好,而且蓝幕的颜色要十分连贯,如果光线发生变化,有阴影或者光线太亮,怎办呢?
显然这个时候简单的颜色阈值已经不能适用了,那就转换一种颜色表示方式,其实 表示图像颜色的方法还有很多,不仅是我们经常用的红绿蓝这样的颜色空间,还有一种颜色空间是 HSV 三个字母分别代表色相、饱和度和明度,而 HLS 则是指色相、亮度和饱和度模型。这几个就是图像处理中最常用的几种颜色空间了。
接下来,我们就来用HSV颜色空间来进行图像处理,我们要把每个像素的明度,即 V分量分离出来,这个分量受照明条件的影响最大,而 H 通道则基本不受阴影或过高亮度的影响,如果我们依靠这个通道 舍弃 V 通道的信息,那就能对彩色物体进行检测 而且效果会比在 RGB 颜色空间中更为可靠。
接下来,我们拿一张气球的图片,来做实验,目标是分离出来粉色的气球,代码如下:
## Import resources and display image
import numpy as np
import matplotlib.pyplot as plt
import cv2
%matplotlib inline
# Read in the image
image = cv2.imread('Pictures/water_balloons.jpg')
# Make a copy of the image
image_copy = np.copy(image) #备份图片
# Change color to RGB (from BGR)
image = cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB) #转换为RGB
plt.imshow(image)