光照下的图片的提取（以光照下的彩色气球为例）

最新推荐文章于 2021-06-07 21:20:33 发布

Bug刺客

最新推荐文章于 2021-06-07 21:20:33 发布

阅读量998

点赞数 1

分类专栏：计算机视觉/OpenCV 计算机视觉相关文章标签： HSV 光照

本文链接：https://blog.csdn.net/qq_18649781/article/details/88777621

版权

本文介绍了在光照变化导致简单颜色阈值失效的情况下，如何利用HSV颜色空间进行图像处理。通过分离V分量并依赖H通道，可以更可靠地检测彩色物体，如粉色气球。实验结果显示，HSV颜色空间能有效地提取目标颜色，部分细节可通过调整阈值优化。

摘要由CSDN通过智能技术生成

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)