opencv顏色空間轉(zhuǎn)換

Opencv中有數(shù)百種關(guān)于在不同色彩空間之間轉(zhuǎn)換的方法。當(dāng)前痒玩,在計算機視覺中有三種常見的色彩空間:灰度,BGR以及HSV(Hue:色調(diào)呛谜,Saturation:飽和度市怎,Value:黑暗的程度)

1).灰度色彩空間是通過去除彩色信息來將其轉(zhuǎn)換成灰階糠排,灰度色彩空間對中間處理特別有效,比如人臉檢測蠢壹。

2).BGR,即藍(lán)-綠-紅色彩空間嗓违,每一個像素點都由一個三元數(shù)組來表示,分別代表藍(lán)图贸、綠蹂季、紅三種顏色冕广。網(wǎng)頁開發(fā)者可能熟悉另一個與之相似的顏色空間:RGB,它們只是在顏色的順序上不同偿洁。

3).HSV,H(Hue)是色調(diào)撒汉,S(Saturation)是飽和度,V(Value)表示黑暗的程度(或光譜另一端的明亮程度)

BGR的簡短說明:當(dāng)?shù)谝淮翁幚鞡GR色彩空間時,可以不要其中的一個色彩分量涕滋,比如像素值[0, 255, 255](沒有藍(lán)色睬辐,綠色分量取最大值,紅色分量取最大值)表示黃色宾肺。

PS:計算機所使用的顏色模型具有可加性并且處理的是光照溯饵,而繪畫遵從的是減色模型,計算機使用顯示器發(fā)光來做顏色的媒介锨用,故計算機上的軟件使用的是加色模型丰刊。

1.轉(zhuǎn)換顏色空間

在 OpenCV 中有 超過百種進行顏色空間轉(zhuǎn)換的方法。但是你以后就會發(fā)現(xiàn)我們經(jīng)常用到的也就兩種:BGR?Gray 和 BGR?HSV增拥。

我們用到的函數(shù)是cv2.cvtColor(input_image?ag)啄巧,其中?ag就是轉(zhuǎn)換類型。

對于BGR?Gray的轉(zhuǎn)換跪者,我們使用的?ag就是cv2.COLOR_BGR2GRAY棵帽。

同樣對于BGR?HSV的轉(zhuǎn)換我們用的?ag就是cv2.COLOR_BGR2HSV。

import cv2

flags = [i for i in dir(cv2) if i.startswith('COLOR_')]

print(len(flags))? #274

PS:在 OpenCV 的 HSV 格式中渣玲,H(色彩/色度)的取值范圍是 [0,179]弟晚, S(飽和度)的取值范圍 [0忘衍,255],V(亮度)的取值范圍 [0卿城,255]枚钓。但是不同的軟件使用的值可能不同。所以當(dāng)你拿 OpenCV 的 HSV 值與其他軟件的 HSV 值對比時瑟押,一定要記得歸一化搀捷。

2.目標(biāo)跟蹤(針對顏色)cv2.inRange()??cv2.bitwise_and()

現(xiàn)在我們知道如何將BGR圖像轉(zhuǎn)換為HSV,我們可以使用它來提取彩色對象多望。在HSV中嫩舟,表示顏色比表示RGB顏色空間更容易。在我們的應(yīng)用程序中怀偷,我們將嘗試提取藍(lán)色對象家厌。下面是方法:

import cv2

import numpy as np

img = cv2.imread('pinggai.jpg')

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)? #轉(zhuǎn)換到HSV

#設(shè)定藍(lán)色的閥值

lower_blue = np.array([110,50,50])

upper_blue = np.array([130,255,255])

#根據(jù)閥值構(gòu)建掩模

mask = cv2.inRange(hsv,lower_blue,upper_blue)

#對原圖和掩模進行位運算

res = cv2.bitwise_and(img,img,mask,mask)

cv2.imshow('img',img)

cv2.imshow('mask',mask)

cv2.imshow('res',res)

k = cv2.waitKey()

cv2.destroyAllWindows()

PS:噪點還是很多,想啊喲更好看點椎工,需要消減噪音

3.找到要跟蹤對象的HSV值

只需傳遞所需的BGR值饭于,而不是傳遞圖像

green = np.uint8([[[0,255,0 ]]])

hsv_green = cv2.cvtColor(green,cv2.COLOR_BGR2HSV)

print(hsv_green)? ?# [[[ 60 255 255]]]

現(xiàn)在你把[ H - 10蜀踏,100,100 ]和[ H + 10掰吕,255果覆,255 ]分別作為下界和上界。除此之外殖熟,您還可以使用任何圖像編輯工具(如GIMP或任何在線轉(zhuǎn)換器)來查找這些值局待,但不要忘記調(diào)整HSV范圍

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市吗讶,隨后出現(xiàn)的幾起案子燎猛,更是在濱河造成了極大的恐慌,老刑警劉巖照皆,帶你破解...
    沈念sama閱讀 217,185評論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件重绷,死亡現(xiàn)場離奇詭異,居然都是意外死亡膜毁,警方通過查閱死者的電腦和手機昭卓,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,652評論 3 393
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來瘟滨,“玉大人候醒,你說我怎么就攤上這事≡尤常” “怎么了倒淫?”我有些...
    開封第一講書人閱讀 163,524評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長败玉。 經(jīng)常有香客問我敌土,道長,這世上最難降的妖魔是什么运翼? 我笑而不...
    開封第一講書人閱讀 58,339評論 1 293
  • 正文 為了忘掉前任返干,我火速辦了婚禮,結(jié)果婚禮上血淌,老公的妹妹穿的比我還像新娘矩欠。我一直安慰自己,他們只是感情好悠夯,可當(dāng)我...
    茶點故事閱讀 67,387評論 6 391
  • 文/花漫 我一把揭開白布癌淮。 她就那樣靜靜地躺著,像睡著了一般疗疟。 火紅的嫁衣襯著肌膚如雪该默。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,287評論 1 301
  • 那天策彤,我揣著相機與錄音栓袖,去河邊找鬼匣摘。 笑死,一個胖子當(dāng)著我的面吹牛裹刮,可吹牛的內(nèi)容都是我干的音榜。 我是一名探鬼主播,決...
    沈念sama閱讀 40,130評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼捧弃,長吁一口氣:“原來是場噩夢啊……” “哼赠叼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起违霞,我...
    開封第一講書人閱讀 38,985評論 0 275
  • 序言:老撾萬榮一對情侶失蹤嘴办,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后买鸽,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體涧郊,經(jīng)...
    沈念sama閱讀 45,420評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,617評論 3 334
  • 正文 我和宋清朗相戀三年眼五,在試婚紗的時候發(fā)現(xiàn)自己被綠了妆艘。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 39,779評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡看幼,死狀恐怖批旺,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情诵姜,我是刑警寧澤汽煮,帶...
    沈念sama閱讀 35,477評論 5 345
  • 正文 年R本政府宣布,位于F島的核電站棚唆,受9級特大地震影響逗物,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜瑟俭,卻給世界環(huán)境...
    茶點故事閱讀 41,088評論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望契邀。 院中可真熱鬧摆寄,春花似錦、人聲如沸坯门。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,716評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽古戴。三九已至欠橘,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間现恼,已是汗流浹背肃续。 一陣腳步聲響...
    開封第一講書人閱讀 32,857評論 1 269
  • 我被黑心中介騙來泰國打工黍檩, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人始锚。 一個月前我還...
    沈念sama閱讀 47,876評論 2 370
  • 正文 我出身青樓刽酱,卻偏偏與公主長得像,于是被迫代替她去往敵國和親瞧捌。 傳聞我的和親對象是個殘疾皇子棵里,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,700評論 2 354

推薦閱讀更多精彩內(nèi)容