以提取红色区域为例,红色有两个区域范围,HSV基本颜色分量范围参考博客:【OpenCV】HSV颜色识别-HSV基本颜色分量范围
原图为:
import cv2
import numpy as np
img = cv2.imread('/home/yasin//book.png')
# range of red
lower_red = np.array([160, 60, 60])
upper_red = np.array([180, 255, 255])
lower_red2 = np.array([0, 60, 60])
upper_red2 = np.array([10, 255, 255]) # thers is two ranges of red
# range of yellow
# lower_yellow = np.array([10,100,100])
# upper_yellow = np.array([45,255,255])
# range of grenn
# lower_yellow = np.array([36,25,25])
# upper_yellow = np.array([70,255,255])
# change to hsv model
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask_r = cv2.inRange(hsv, lower_red, upper_red)
mask_r2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = mask_r + mask_r2
cv2.namedWindow('Mask', 0)
cv2.imshow('Mask', mask)
cv2.waitKey()
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
mask = cv2.dilate(mask, kernel)
cv2.namedWindow('Mask_dilate', 0)
cv2.imshow('Mask_dilate', mask)
cv2.waitKey()
# 将mask于原视频帧进行按位与操作,则会把mask中的白色用真实的图像替换:
res = cv2.bitwise_and(img, img, mask=mask)
cv2.namedWindow('res', 0)
cv2.imshow('res', res)
cv2.waitKey()
mask结果为:
膨胀结果为:
提取红色区域结果为:
关于腐蚀核膨胀
参考来自:https://blog.csdn.net/u012851419/article/details/78026596
1.腐蚀
2.膨胀
关于图像开运算和闭运算
参考来自:https://blog.csdn.net/hanshanbuleng/article/details/80657148
1.开运算
开运算 = 先腐蚀运算,再膨胀运算(看上去把细微连在一起的两块目标分开了)
开运算的效果图如下图所示:
开运算总结:
(1)开运算能够除去孤立的小点,毛刺和小桥,而总的位置和形状不便。
(2)开运算是一个基于几何运算的滤波器。
(3)结构元素大小的不同将导致滤波效果的不同。
(4)不同的结构元素的选择导致了不同的分割,即提取出不同的特征。
2.闭运算
闭运算 = 先膨胀运算,再腐蚀运算(看上去将两个细微连接的图块封闭在一起)
闭运算的效果图如下图所示:
闭运算总结:
(1)闭运算能够填平小湖(即小孔),弥合小裂缝,而总的位置和形状不变。
(2)闭运算是通过填充图像的凹角来滤波图像的。
(3)结构元素大小的不同将导致滤波效果的不同。
(4)不同结构元素的选择导致了不同的分割。