4.色彩空间的转换

学习视频可参见python+opencv3.3视频教学 基础入门

今天写的是色彩空间的转换

1.常见色彩空间及色彩空间转换

• RGB
  • 红色：Red，绿色：Green，蓝色：Blue
• HSV
  • 色相：Hue(0-180)，饱和度：Saturation(0-255)，明度；Value(0-255)
  • 常用于颜色检测
• HSL/HLS
  • 色相：Hue、饱和度：Saturation、亮度：Lightness／Luminance
  • 色相H：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°
• YUV
  • YUV不是几个英文单词的组合词，而是符号，Y表示亮度，UV用来表示色差，U、V是构成彩色的两个分量
  • YUV 色彩模型来源于rgb模型，该模型的特点是将亮度和色度分离开，从而适合于图像处理领域。
• YCrCb
  • Y：亮度分量，Cb：蓝色色度分量，Cr：红色色度分量
  • YCbCr模型来源于yuv模型，应用于数字视频
  • 常用于肤色检测
    色彩空间demo

def color_space_demo(image):
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    cv.imshow("gray",gray)

    hsv=cv.cvtColor(image,cv.COLOR_BGR2HSV)
    cv.imshow("hsv",hsv)

    hls=cv.cvtColor(image,cv.COLOR_BGR2HLS)
    cv.imshow("hls",hls)

    yuv = cv.cvtColor(image, cv.COLOR_BGR2YUV)
    cv.imshow("yuv", yuv)

    ycrcb = cv.cvtColor(image, cv.COLOR_BGR2YCrCb)
    cv.imshow("ycrcb", ycrcb)

运行结果如下：

2.跟踪视频中指定颜色，inRange

HSV颜色分量范围

inRange函数说明：

mask = cv2.inRange(hsv, lower, upper)

• hsv：rgb图像转换为hsv格式的图像

• lower：图像中低于这个lower的值，图像值变为0，即变为黑

• upper：图像中高于这个upper的值，图像值变为0，即变为黑

• 在lower～upper之间的值变成255，即变为白

  inRange用于实现图片的二值化

从视频中获取绿色分量代码如下：

# 可从视频中跟踪指定颜色，指定颜色置为白，其余置为黑
def extract_object_demo():
    capture=cv.VideoCapture("./images/vtest.avi")
    while(True):
        ret,frame=capture.read()
        if ret ==False:
            break
        hsv=cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        lower_hsv = np.array([35, 43, 46])  # 对应的绿色的hsv中h，s，v的最小值
        upper_hsv = np.array([77, 255, 255])  #对应的绿色的hsv中的h，s，v最大值
        mask=cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
        cv.imshow("video",frame)
        cv.imshow("mask",mask)
        c=cv.waitKey(40)
        if c==27:
            break

结果如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aXmoXx33-1604485567619)(https://gitee.com/guohui7/weixinpicture/raw/master/img/%E6%98%BE%E7%A4%BA%E7%BB%BF%E8%89%B2%E8%BF%BD%E8%B8%AA.gif)]

若想获得红色，蓝色等的分量可以从表中选取对应值进行操作

如果结果想凸显绿色，可进行像素间的与运算得到，下节课提到了。

代码如下:

 mask=cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
 dst=cv.bitwise_and(frame,frame,mask=mask)
 cv.imshow("video",frame)
 cv.imshow("mask",mask)
 cv.imshow("dst",dst)

video与dst窗口的对比图如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TISUGLjP-1604485567625)(https://gitee.com/guohui7/weixinpicture/raw/master/img/%E6%98%BE%E7%A4%BA%E7%BB%BF%E8%89%B2%E8%BF%BD%E8%B8%AA.gif)]

3.图像的分离与合并

3.1 分离

#显示各个通道的图像

    b,g,r=cv.split(src)
    cv.imshow("blue",b)
    cv.imshow("green",g)
    cv.imshow("red",r)

原图与各个通道的对比图如下：

将绿色，红色通道置为0，获得新图像。

    src[:,:,2]=0
    src[:,:,1]=0
    cv.imshow("new image",src)

结果如下：

如果取原图和新图的蓝色通道慧发现是一样的，因为蓝色通道的值没有改变

3.2合并

将三通道分离出来的图片合并一起可以发现跟原图是一样的

    src=cv.merge([b,g,r])  #merge第一个参数mv是数组形式
    cv.imshow("change_image",src)

结语

以上内容仅是自我学习时记录的笔记，欢迎大家批评指正，一起学习进步。欢迎大家关注我的公众号小郭学数据。