颜色算子机器视觉

1. 实验目的

本实验旨在探究图像处理中的颜色提取算法，通过使用RGB颜色空间，实现对图像中红色、绿色和蓝色三种颜色的提取，并将提取结果展示出来。

2. 实验原理

RGB颜色空间是将颜色表示为红色（R）、绿色（G）和蓝色（B）三种基本颜色的混合。在RGB颜色空间中，每个像素点由三个分量值来表示，分别对应红、绿、蓝三种颜色的强度。颜色提取的原理是根据设定的颜色阈值范围，将图像中符合条件的像素点提取出来。

3. 实验步骤

1. 读取图像：使用OpenCV的imread()函数读取待处理的图像文件。

2. 转换颜色空间：将图像的颜色空间从BGR转换为RGB，以便进行颜色提取操作。

3. 定义颜色阈值：根据实验要求，分别定义红色、绿色和蓝色的阈值范围。

4. 颜色提取：利用OpenCV的inRange()函数根据设定的颜色阈值提取对应颜色的像素点。

5. 处理提取结果：将提取的颜色与原始图像相乘，提取出对应颜色的部分。

6. 结果展示：将提取结果展示出来，并将非零值的像素点设置为白色。

4. 实验代码

import cv2
import numpy as np

# 读取图片
image = cv2.imread('RGB4.png')

# 转换颜色空间为RGB
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# 定义红色、绿色和蓝色的阈值
red_lower = np.array([0, 0, 100])
red_upper = np.array([100, 100, 255])

green_lower = np.array([0, 100, 0])
green_upper = np.array([100, 255, 100])

blue_lower = np.array([100, 0, 0])
blue_upper = np.array([255, 100, 100])

# 使用inRange函数进行颜色提取
mask_blue = cv2.inRange(image_rgb, red_lower, red_upper)
mask_green = cv2.inRange(image_rgb, green_lower, green_upper)
mask_red = cv2.inRange(image_rgb, blue_lower, blue_upper)

# 将提取的颜色与原始图像相乘，提取对应颜色的部分
result_blue = cv2.bitwise_and(image_rgb, image_rgb, mask=mask_red)
result_green = cv2.bitwise_and(image_rgb, image_rgb, mask=mask_green)
result_red = cv2.bitwise_and(image_rgb, image_rgb, mask=mask_blue)

# 将非零值设置为白色
result_blue[mask_red != 0] = [255, 255, 255]
result_green[mask_green != 0] = [255, 255, 255]
result_red[mask_blue != 0] = [255, 255, 255]

# 分别显示提取的红色、绿色和蓝色的部分
cv2.imshow('Red', result_blue)
cv2.imshow('Green', result_green)
cv2.imshow('Blue', result_red)

# 等待退出
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 实验结果

实验结果显示了成功提取出图像中红色、绿色和蓝色三种颜色的部分，并将提取结果展示在了单独的窗口中，非零值的像素点设置为白色。

RGB1

RGB1颜色识别效果

RGB2

RGB2颜色识别结果

RGB3

RGB3颜色识别结果

RGB4

RGB4颜色识别效果

6. 结论

通过本实验，我们深入了解了图像处理中的颜色提取算法，实现了对图像中红色、绿色和蓝色三种颜色的提取。这一技术在实际应用中具有广泛的用途，例如图像分割、物体识别等领域，为图像处理技术的应用提供了有力支持。