目标
- 在本教程中,你将学习如何将图像从一个颜色空间转换到另一个颜色空间,如BGR ↔ 灰色,BGR ↔ HSV,等等。
- 此外,我们将创建一个应用程序,提取视频中的彩色物体。
- 你将学习以下函数:cv.cvtColor(),cv.inRange(),等等。
改变颜色空间
在OpenCV中,有超过150种颜色空间转换方法。但我们将只研究两种,这是最广泛使用的方法。BGR ↔ Gray和BGR ↔ HSV。
对于颜色转换,我们使用函数cv.cvtColor(input_image, flag),其中flag决定了转换的类型。
对于BGR → 灰色的转换,我们使用标志cv.COLOR_BGR2GRAY。类似地,对于BGR→HSV,我们使用标志cv.COLOR_BGR2HSV。要获得其他标志,只需在你的Python终端运行以下命令:
>>> import cv2 as cv
>>> flags = [i for i in dir(cv) if i.startswith('COLOR_')]
>>> print( flags )
备注
对于HSV,色调范围是[0,179],饱和度范围是[0,255],值范围是[0,255]。不同的软件使用不同的标度。因此,如果你将OpenCV的值与它们进行比较,你需要将这些范围归一。
对象追踪
现在我们知道了如何将BGR图像转换为HSV,我们可以用它来提取一个彩色物体。在HSV中,要比在BGR色彩空间中更容易表示一种颜色。在我们的应用中,我们将尝试提取一个蓝色的物体。因此,方法是这样的:
- 取出视频的每一帧
- 从BGR色彩空间转换为HSV色彩空间
- 我们对HSV图像中的蓝色范围进行阈值处理
- 现在单独提取蓝色物体,我们可以在该图像上做任何我们想做的事情。
下面是代码,其中有详细的注释:
import cv2 as cv
import numpy as np
cap = cv.VideoCapture(0)
while(1):
# 取出每一帧
_, frame = cap.read()
# 将BGR转换为HSV
hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
# 定义HSV中蓝色的范围
lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])
# 对HSV图像进行阈值处理,只得到蓝色的颜色
mask = cv.inRange(hsv, lower_blue, upper_blue)
# Bitwise-AND 掩码和原始图像
res = cv.bitwise_and(frame,frame, mask= mask)
cv.imshow('frame',frame)
cv.imshow('mask',mask)
cv.imshow('res',res)
k = cv.waitKey(5) & 0xFF
if k == 27:
break
cv.destroyAllWindows()
下面的图片显示了对蓝色物体的追踪:
注意事项
图像中存在一些噪音。我们将在后面的章节中看到如何消除它。
这是物体追踪中最简单的方法。一旦你学会了等高线的功能,你就可以做很多事情,比如找到物体的中心点,用它来追踪物体,只需在相机前移动手就可以画图,以及其他有趣的事情。
如何找到HSV值来追踪?
这是在stackoverflow.com上发现的一个常见的问题。它非常简单,你可以使用同一个函数,cv.cvtColor()。你不需要传递图像,而只需要传递你想要的BGR值。例如,要找到绿色的HSV值,请在Python终端尝试以下命令:
>>> green = np.uint8([[[0,255,0 ]]])
>>> hsv_green = cv.cvtColor(green,cv.COLOR_BGR2HSV)
>>> print( hsv_green )
[[[ 60 255 255]]]
现在你把[H-10,100,100]和[H+10,255,255]分别作为下限和上限。除了这种方法,你可以使用任何图像编辑工具,如GIMP或任何在线转换器来找到这些值,但不要忘记调整HSV范围。
其他资源
练习
尝试找到一种方法来提取一个以上的彩色物体,例如,同时提取红色、蓝色和绿色物体。