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。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值