OpenCV竟然可以这样学！成神之路终将不远（九）

最新推荐文章于 2023-06-23 17:43:30 发布

星辰同学wwq

最新推荐文章于 2023-06-23 17:43:30 发布

阅读量271

点赞数 2

分类专栏： python OpenCV OpenCV成神之路文章标签： python opencv 图像处理计算机视觉机器学习

本文为博主原创文章，未经博主允许禁止转载。如有问题，欢迎指正。

本文链接：https://blog.csdn.net/weixin_41529012/article/details/117930747

版权

python 同时被 3 个专栏收录

71 篇文章 8 订阅

订阅专栏

OpenCV

44 篇文章 11 订阅

订阅专栏

OpenCV成神之路

37 篇文章 8 订阅

订阅专栏

本文介绍了如何使用OpenCV进行颜色空间转换，包括BGR到灰度和BGR到HSV，以及如何利用HSV进行对象追踪。通过设定HSV阈值，可以提取特定颜色的对象，例如绿色。此外，还提供了如何找到HSV值的方法，并给出了提取多种颜色对象的代码示例，包括蓝色、绿色和红色。最后，鼓励读者尝试同时提取多个彩色对象作为练习。

摘要由CSDN通过智能技术生成

9 改变颜色空间

9.1 目标

在本教程中，你将学习如何将图像从一个色彩空间转换到另一个，像BGR↔灰色，BGR↔HSV等
除此之外，我们还将创建一个应用程序，以提取视频中的彩色对象。
你将学习以下功能：cv.cvtColor，cv.inRange等。

9.2 改变颜色空间

OpenCV中有超过150种颜色空间转换方法。但是我们将研究只有两个最广泛使用的,BGR↔灰色和BGR↔HSV。

对于颜色转换，我们使用cv函数。cvtColor(input_image, flag)，其中flag决定转换的类型。

对于BGR→灰度转换，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。要获取其他标记，只需在Python终端中运行以下命令:

注意：HSV的色相范围为[0,179]，饱和度范围为[0,255]，值范围为[0,255]。不同的软件使用不同的规模。因此，如果你要将OpenCV值和它们比较，你需要将这些范围标准化。

9.3 对象追踪

现在我们知道了如何将BGR图像转换成HSV，我们可以使用它来提取一个有颜色的对象。在HSV中比在BGR颜色空间中更容易表示颜色。在我们的应用程序中，我们将尝试提取一个绿色的对象。方法如下: - 取视频的每一帧 - 转换从BGR到HSV颜色空间 - 我们对HSV图像设置绿色范围的阈值 - 现在单独提取绿色对象，我们可以对图像做任何我们想做的事情。

这里附上HSV一些常见的颜色阈值：

	黑	灰	白	红		橙	黄	绿	青	蓝	紫
hmin	0	0	0	0	156	11	26	35	78	100	125
hmax	180	180	180	10	180	25	34；	77	99	124	155
smin	0	0	0	43		43	43	43	43	43	43
smax	255	43	30	255		255	255	255	255	255	255
vmin	0	46	221	46		46	46	46	46	46	46
vmax	46	220	255	255		255	255	255	255	255	255

下面是详细注释的代码:

import cv2 as cv
import numpy as np

cap = cv.VideoCapture('../video/7.mp4')

while True:  # 我这里用的是Python3，所以True和1效率都一样，在Python2中，1效率更高
    # 读取帧
    _, frame = cap.read()
    # 转换颜色空间BGR到HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定义HSV中绿色的范围
    lower_green = np.array([35, 43, 46])
    upper_green = np.array([77, 255, 255])
    # 设置HSV的阈值使得只取绿色
    mask = cv.inRange(hsv, lower_green, upper_green)
    # 将掩码和图像逐像素相加
    dst = cv.bitwise_and(frame, frame, mask=mask)
    cv.imshow('frame', frame)
    cv.imshow('mask', mask)
    cv.imshow('dst', dst)
    if cv.waitKey(18) & 0xFF == 27:
        break
cv.destroyAllWindows()

下图显示了对绿色对象的跟踪：

注意：图像中有一些噪点。我们将在后面的章节中看到如何删除它们。这是对象跟踪中最简单的方法。一旦学习了轮廓的功能，你就可以做很多事情，例如找到该对象的质心并使用它来跟踪对象，仅通过将手移到相机前面以及其他许多有趣的东西就可以绘制图表。

9.4 如何找到要追踪的HSV值？

这是在stackoverflow.com上发现的一个常见问题。它非常简单，你可以使用相同的函数cv.cvtColor()。你只需传递你想要的BGR值，而不是传递图像。例如，要查找绿色的HSV值，请在Python终端中尝试以下命令:

import cv2 as cv
import numpy as np

green = np.uint8([[[0, 255, 0]]])
hsv_green = cv.cvtColor(green, cv.COLOR_BGR2HSV)
print(hsv_green)  # [[[ 60 255 255]]]

现在把[H- 10,100,100] 和[H+ 10,255, 255] 分别作为下界和上界。除了这个方法之外，你可以使用任何图像编辑工具(如GIMP或任何在线转换器)来查找这些值，但是不要忘记调整HSV范围。

9.5 练习题

尝试找到一种方法来提取多个彩色对象，例如，同时提取红色，蓝色，绿色对象。

运行结果如下：

代码如下（先自己想想再看答案，再手动敲一遍，这样记忆更深刻！）：

import cv2 as cv
import numpy as np

cap = cv.VideoCapture('../video/9.mp4')
while True:
    cv.waitKey(0)
    # 读取帧
    _, frame = cap.read()
    # 转换颜色空间BGR到HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)

    # 定义HSV中蓝色的范围
    lower_blue = np.array([100, 43, 46])
    upper_blue = np.array([124, 255, 255])
    # 设置HSV的阈值使得只取蓝色
    mask_blue = cv.inRange(hsv, lower_blue, upper_blue)

    # 定义HSV中绿色的范围
    lower_green = np.array([35, 43, 46])
    upper_green = np.array([77, 255, 255])
    # 设置HSV的阈值使得只取绿色
    mask_green = cv.inRange(hsv, lower_green, upper_green)

    # 定义HSV中红色1的范围
    lower_red1 = np.array([0, 43, 46])
    upper_red1 = np.array([10, 255, 255])
    # 设置HSV的阈值使得只取红色1
    mask_red1 = cv.inRange(hsv, lower_red1, upper_red1)

    # 定义HSV中红色2的范围
    lower_red2 = np.array([156, 43, 46])
    upper_red2 = np.array([180, 255, 255])
    # 设置HSV的阈值使得只取红色2
    mask_red2 = cv.inRange(hsv, lower_red2, upper_red2)

    # 将RGB三种颜色的掩膜相加
    mask = mask_blue + mask_green + mask_red1 + mask_red2

    # 将BGR掩膜和图像逐像素相加
    res = cv.bitwise_and(frame, frame, mask=mask)

    cv.imshow('frame', frame)
    cv.imshow('mask', mask)
    cv.imshow('result', res)

    if cv.waitKey(16) & 0xFF == 27:
        break

cv.destroyAllWindows()

欢迎评论区留言，一起探讨OpenCV成神之路的奥秘。

顺便给我加个关注，点个赞，加个收藏，让我们一起登上神坛。