使用 HSV 颜色模型和 openCV 构建昼夜分类器

在本文中，我们将学习如何构建一个简单的模型，它使用色调饱和度值 (HSV) 颜色模型作为特征提取，opencv 进行图像处理的基础来对白天和黑夜进行分类。本教程的代码可在此处获得，https://github.com/mrsimi/cv_udacity_course/blob/master/day_night_classifier.ipynb

介绍

色调饱和度值（HSV）是RGB的替代颜色模型。色调（H）是颜色轮中的三种主色和三种次色。饱和度是颜色的纯度和强度，其越低，颜色越接近灰色。值 (V) 是指颜色的相对亮度或暗度。这些值中的每一个都有一个限制；H 从 0 到 360，S 和 V 从 0 到 100。

我们将利用颜色模型的 Value (V) 属性。决定图像亮度的图像值 (V)。这是我们要提取的特征。然后我们将设置一个阈值，可以将白天图像与夜间图像分开。

虽然我们可以设置一个特定的阈值，但我们尝试使用训练图像，通过基本推导找到一个最佳阈值。

我们将使用 opencv 库从图像中提取这些特征。

先决条件

1. Python

2. pip

3. opencv

4. numpy

5. matplotlib

Opencv 是一个计算机视觉包，我们将使用它来处理图像和操作它。numpy用于数值计算，matplotlib用于图像显示。

1. 导入用于测试的库和图像

我们将使用的是用于训练和测试的室外图像：https://github.com/mrsimi/cv_udacity_course/tree/master/data/day_night_images

该图像已被标注，即分类为白天和夜间图像。

from util import daynight_helper
import matplotlib.pyplot as plt
import cv2
import numpy as np 

#path to the folder where the images are
training_data_path = 'data/day_night_images/training'

2. 预处理图像及其标签

我们已经指定了训练图像的路径，但原始图像有噪声并且没有很好地优化分析。

例如，图像可能具有不同的大小，或者标签可能是我们的文字。这是设计模型的第一步。数据清洗