python hsv多点比色

以下是 Python 中进行多点比色的另一种方法示例：

1. 首先，导入必要的库和模块：

import cv2
import numpy as np

1. 加载原始图像和目标图像，并将它们转换成 HSV 颜色空间：

# 加载原始图像和目标图像
img = cv2.imread('original_image.jpg')
target = cv2.imread('target_image.jpg')

# 将图像转换成 HSV 颜色空间
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
target_hsv = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)

1. 定义一个函数，用于检测目标图像中的像素是否存在于原始图像中：

def detect_pixel(target_hsv, img_hsv):
    # 获取目标图像的颜色范围
    lower_range = np.array([target_hsv[0], target_hsv[1], target_hsv[2]])
    upper_range = np.array([target_hsv[0], target_hsv[1], target_hsv[2]])

    # 在原始图像中搜索目标颜色的像素
    mask = cv2.inRange(img_hsv, lower_range, upper_range)
    count = cv2.countNonZero(mask)

    # 如果目标颜色的像素存在于原始图像中，则返回 True，否则返回 False
    if count > 0:
        return True
    else:
        return False

1. 遍历目标图像中的每个像素，并使用上述函数来检测它是否存在于原始图像中：

# 遍历目标图像中的每个像素
for i in range(target_hsv.shape[0]):
    for j in range(target_hsv.shape[1]):
        # 检测像素是否存在于原始图像中
        pixel = target_hsv[i][j]
        if detect_pixel(pixel, img_hsv):
            # 如果存在，则将像素设置为白色
            target_hsv[i][j] = [255, 255, 255]
        else:
            # 否则将像素设置为黑色
            target_hsv[i][j] = [0, 0, 0]

1. 将处理后的图像转换回 BGR 颜色空间，并保存结果：

# 将处理后的图像转换回 BGR 颜色空间
result = cv2.cvtColor(target_hsv, cv2.COLOR_HSV2BGR)

# 保存结果
cv2.imwrite('result.jpg', result)

注意：以上示例仅供参考，具体实现方式可能因应用场景而异。