OpenCV-Python Tutorials
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html
1.转换颜色空间
OpenCV中默认的颜色通道为BGR模式,在标准的24bit颜色空间图像中存储字节依次为蓝色部分,绿色,红色部分。而在调用matplotlib库显示图片时,默认颜色通道为RGB模式,所以在输出图像之前要进行一步转换颜色通道。
并且不同的颜色空间有着不同的特性,应用在不同的领域。为了满足不同用途的需要,人们开发了不同的颜色空间。在实际中需要进行不同颜色空间的选择和转换。
主要函数
cv2.cvtColor()
用来转换颜色空间。共两个参数,第一个参数是要转换的图片,第二个参数是转换模式。比如cv2.COLOR_BGR2GRAY
就代表要将BGR(OpenCV 读取彩色图像的方式)转换为灰度模式,再返回转换后的图像。
该函数的转换模式较多,具体请点击这里获得更多转换模式。
也可通过以下代码查看
import cv2
flags = [i for i in dir(cv2) if i.startswith('COLOR_')]
print (flags)
常用的颜色空间转换模式有cv2.COLOR_BGR2GRAY
, cv2.COLOR_RGB2HSV
,cv2.COLOR_BGR2HLS
其中,HSV格式,H(色调)的取值范围为 [0,179], S(饱和度)的取值范围为 [0,255],V(亮度)的取值范围为 [0,255]。
注意:不同的软件使用的值可能不同,在进行颜色空间转换时,RGB各个通道的取值范围应当根据实际需要来进行归一化,如RGB转到LUV通道时,需要将RGB归一化为32为浮点数,及各个通道的值变化范围是0到1。
数字图像处理和计算机视觉领域,在遇到应用问题时,该如何选择合适的色彩空间。图像处理使用HIS较多,图形学使用HSV较多。图像分割使用HSV较多。
2.物体追踪
可以应用转换颜色空间,来进行物体追踪,提取带有某个特定颜色的物体。在 HSV 颜色空间中比在 BGR 空间中更容易表示一个特定颜色。
主要函数
cv2.cvtColor()
:转换颜色dst = cv2.inRange(src, lowerb, upperb[, dst])
:设定颜色取值范围,去除背景部分,将背景颜色变为黑色- src:输入原始图像
- lowerb:阈值下限,图像中低于lowerb的值变为0
- upperb:阈值上限,图像中高于upperb的值变为0
- 位于lowerb~upperb之间的值变为255–白色
- dst:输出和输入图像大小相同的图像
对于单通道的输入图像:
d s t ( I ) = l o w e r b ( I ) 0 < = s r c ( I ) 0 < = u p p e r b ( I ) 0 dst(I)=lowerb(I)_0<=src(I)_0<=upperb(I)_0