网站推广资讯,网络营销的实现方式包括,php网站怎么做缓存,哪家室内设计好RGB 色彩空间是一种被广泛接受的色彩空间#xff0c;但是该色彩空间过于抽象#xff0c;我们不能够直接通过其值感知具体的色彩。 我们更习惯使用直观的方式来感知颜色#xff0c;HSV 色彩空间提供了这样 的方式。 通过 HSV色彩空间#xff0c;我们能够更加方便地通过色调、… RGB 色彩空间是一种被广泛接受的色彩空间但是该色彩空间过于抽象我们不能够直接通过其值感知具体的色彩。 我们更习惯使用直观的方式来感知颜色HSV 色彩空间提供了这样 的方式。 通过 HSV色彩空间我们能够更加方便地通过色调、饱和度和亮度来感知颜色。 其实除了 HSV 色彩空间我们讨论的其他大多数色彩空间都不方便人们对颜色进行理解和解释。例如现实中我们根本不可能用每种颜料的百分比RGB 色彩空间来形容一件衣服的颜色。 HSV 色彩空间从心理学和视觉的角度出发提出人眼的色彩知觉主要包含三要素 H色调Hue也称为色相。 S饱和度Saturation。 V亮度Value。
1色调H
在 HSV 色彩空间中色调 H 的取值范围是[0,360]。8 位图像内每个像素点所能表示的灰度级有 28256 个所以在 8 位图像内表示 HSV 图像时要把色调的角度值映射到[0,255]范围内。
在 OpenCV 中可以直接把色调的角度值除以 2得到[0,180]之间的值以适应 8 位二进制256 个灰度级的存储和表示范围。
在 HSV 空间中色调值为 0 表示红色色调值为 300 表示品红色具体如表 4-3 所示。 根据上述分析可知每个色调值对应一个指定的色彩而与饱和度和亮度无关。 在 OpenCV中将色调值除以 2 之后会得到如表 4-4 所示的色调值与对应的颜色。 确定值范围后就可以直接在图像的 H 通道内查找对应的值从而找到特定的颜色。 例如在 HSV 图像中H 通道内值为 120 的像素点对应蓝色。查找 H 通道内值为 120 的像素点找到的就是蓝色像素点。
在上述基础上通过分析各种不同对象对应的 HSV 值便可以查找不同的对象。
例如通过分析得到肤色的 HSV 值就可以直接在图像内根据肤色的 HSV 值来查找人脸等皮肤区域。
2饱和度S
饱和度值的范围是[0,1]所以针对饱和度需要说明以下问题
灰度颜色所包含的 R、G、B 的成分是相等的相当于一种极不饱和的颜色。所以灰度颜色的饱和度值是 0。
作为灰度图像显示时较亮区域对应的颜色具有较高的饱和度。
如果颜色的饱和度很低那么它计算所得色调就不可靠。
19 节介绍 cv2.cvtColor()函数时进行色彩空间转换后为了适应 8 位图的256 个像素级需要将新色彩空间内的数值映射到[0,255]范围内。所以同样要将饱和度 S 的值从[0,1]范围映射到[0,255]范围内。
3亮度V 亮度的范围与饱和度的范围一致都是[0,1]。同样亮度值在 OpenCV 内也将值映射到[0,255]范围内。
亮度值越大图像越亮亮度值越低图像越暗。当亮度值为 0 时图像是纯黑色
获取指定颜色
可以通过多种方式获取 RGB 色彩空间的颜色值在 HSV 色彩空间内所对应的值。 例如可以通过图像编辑软件或者在线网站获取 RGB 值所对应的 HSV 值。
需要注意在从 RGB/BGR 色彩空间转换到 HSV 色彩空间时OpenCV 为了满足 8 位图的要求对 HSV 空间的值进行了映射处理。所以通过软件或者网站获取的 HSV 值还需要被进一步映射才能与 OpenCV 中的 HSV 值一致。
OpenCV 中测试 RGB 色彩空间中不同颜色的值转换到 HSV 色彩空间后的对应值。
为了方便理解这里分别对蓝色、绿色、红色的单个像素点进行测试。 首先使用 np.zeros([1,1,3],dtypenp.uint8)来生成一幅仅有一个像素点的图像数组。
接下来通过对其中的通道分量赋值将其设定为指定的颜色。例如 语句 imgBlue[0,0,0]255 可以将该像素点的第 0 个通道即 B 通道的值设置为 255即将该点的颜色指定为蓝色。
语句 imgGreen[0,0,1]255 可以将该像素点的第 1 个通道即 G 通道的值设置为 255 即将该点的颜色指定为绿色。 语句 imgRed[0,0,2]255 可以将该像素点的第 2 个通道即 R 通道的值设置为 255 即将该点的颜色指定为红色。
然后可以通过语句 cv2.cvtColor(Blue,cv2.COLOR_BGR2HSV)将 Blue 从 BGR 色彩空间转换到 HSV 色彩空间。
最后通过打印 HSV 色彩空间内的像素值观察转换情况。 在本例中对蓝色、绿色、红色三种不同的颜色分别进行转换将它们从 BGR 色彩空间 转换到 HSV 色彩空间并观察转换后所得到的 HSV 空间的对应值。
根据上面的流程用代码来验证下代码如下
import cv2
import numpy as np
#测试一下 OpenCV 中蓝色的 HSV 模式值
imgBluenp.zeros([1,1,3],dtypenp.uint8)
#将 BGR 色彩空间中的蓝色的值赋值给 imgBlue
imgBlue[0,0,0]255
BlueimgBlue
#将 BGR 色彩空间中的蓝色的值转换为 HSV 色彩空间的值
BlueHSVcv2.cvtColor(Blue,cv2.COLOR_BGR2HSV)
print(Blue\n,Blue)
print(BlueHSV\n,BlueHSV)
#测试一下 OpenCV 中绿色的 HSV 模式值
imgGreennp.zeros([1,1,3],dtypenp.uint8)
imgGreen[0,0,1]255
GreenimgGreen
GreenHSVcv2.cvtColor(Green,cv2.COLOR_BGR2HSV)
print(Green\n,Green)
print(GreenHSV\n,GreenHSV)
#测试一下 OpenCV 中红色的 HSV 模式值
imgRednp.zeros([1,1,3],dtypenp.uint8)
imgRed[0,0,2]255
RedimgRed
RedHSVcv2.cvtColor(Red,cv2.COLOR_BGR2HSV)
print(Red\n,Red)
print(RedHSV\n,RedHSV)运行结果
Blue[[[255 0 0]]]
BlueHSV[[[120 255 255]]]
Green[[[ 0 255 0]]]
GreenHSV[[[ 60 255 255]]]
Red[[[ 0 0 255]]]
RedHSV[[[ 0 255 255]]]标记指定颜色
HSV 色彩空间中H 通道饱和度 Hue 通道对应不同的颜色。或者换个角度理解颜色的差异主要体现在 H 通道值的不同上。所以通过对 H 通道值进行筛选便能够筛选出特定的颜色。
例如在一幅 HSV 图像中如果通过控制仅仅将 H 通道内值为 240在 OpenCV内被调整为 120的像素显示出来那么图像中就会仅仅显示蓝色部分。 本节将首先通过例题展示一些实现上的细节问题然后通过具体例题展示如何将图像内的特定颜色标记出来即将一幅图像内的其他颜色屏蔽仅仅将特定颜色显示出来。
通过opencv.inRange()函数锁定特定值
OpenCV 中通过函数 cv2.inRange()来判断图像内像素点的像素值是否在指定的范围内其语法格式为
dst cv2.inRange( src, lowerb, upperb )式中 dst 表示输出结果大小和 src 一致。 src 表示要检查的数组或图像。 lowerb 表示范围下界。 upperb 表示范围上界。
返回值 dst 与 src 等大小其值取决于 src 中对应位置上的值是否处于区间[lowerb,upperb] 内 如果 src 值处于该指定区间内则 dst 中对应位置上的值为 255。 如果 src 值不处于该指定区间内则 dst 中对应位置上的值为 0。
实验验证分别提取 OpenCV 的 logo 图像内的红色、绿色、蓝色。
在实际提取颜色时往往不是提取一个特定的值而是提取一个颜色区间。 例如在 OpenCV 中的 HSV 模式内蓝色在 H 通道内的值是 120。在提取蓝色时通常将“蓝色值 120”附近的一个区间的值作为提取范围。该区间的半径通常为 10 左右例如通常提取 [120−10,12010]范围内的值来指定蓝色。 相比之下HSV 模式中 S 通道、V 通道的值的取值范围一般是[100,255]。这主要是因为当饱和度和亮度太低时计算出来的色调可能就不可靠了。 根据上述分析各种颜色的 HSV 区间值分布在[H−10,100,100]和[H10,255,255]之间。因此各种颜色值的范围为
蓝色值分布在[110,100,100]和[130,255,255]之间。 绿色值分布在[50,100,100]和[70,255,255]之间。 红色值分布在[0,100,100]和[10,255,255]之间。
根据前述例题的相关介绍首先利用函数 cv2.inRange()查找指定颜色区域然后利用基于掩码的按位与运算将指定颜色提取出来。
实验原图 代码如下
import cv2
import numpy as np
opencvcv2.imread(opencv.jpg)
hsv cv2.cvtColor(opencv, cv2.COLOR_BGR2HSV)
cv2.imshow(opencv,opencv)
#指定蓝色值的范围
minBlue np.array([110,50,50])
maxBlue np.array([130,255,255])
#确定蓝色区域
mask cv2.inRange(hsv, minBlue, maxBlue)
#通过掩码控制的按位与运算锁定蓝色区域
blue cv2.bitwise_and(opencv,opencv, mask mask)
cv2.imshow(blue,blue)
#指定绿色值的范围
minGreen np.array([50,50,50])
maxGreen np.array([70,255,255])
#确定绿色区域
mask cv2.inRange(hsv, minGreen, maxGreen)
#通过掩码控制的按位与运算锁定绿色区域
green cv2.bitwise_and(opencv,opencv, mask mask)
cv2.imshow(green,green)
#指定红色值的范围
minRed np.array([0,50,50])
maxRed np.array([30,255,255])
#确定红色区域
mask cv2.inRange(hsv, minRed, maxRed)
#通过掩码控制的按位与运算锁定红色区域
red cv2.bitwise_and(opencv,opencv, mask mask)
cv2.imshow(red,red)
cv2.waitKey()
cv2.destroyAllWindows()运行结果如下分别提取了不同的颜色出来
