Wie optimiert man HSV-Grenzen für eine genaue Farberkennung in OpenCV?

Auswahl optimaler HSV-Grenzen für die Farberkennung mit cv::inRange (OpenCV)

In der Bildverarbeitung wird häufig der HSV-Farbraum verwendet zur Farberkennung. Die Auswahl geeigneter oberer und unterer HSV-Grenzen ist entscheidend für die genaue Identifizierung der Zielfarben. Diese Frage untersucht den Auswahlprozess für ein Bild mit einem orangefarbenen Deckel auf einer Kaffeedose.

Obwohl ein geschätzter HSV-Mittelwert von (22, 59, 100) für den Deckel angegeben wurde, wurde ein erster Versuch mit Grenzen (18) durchgeführt , 40, 90) und (27, 255, 255) lieferten unbefriedigende Ergebnisse. Um dies zu beheben, müssen wir potenzielle Probleme in der HSV-Skala und im Bildformat berücksichtigen.

Problem 1: HSV-Skalenvarianz

Verschiedene Anwendungen können unterschiedliche HSV-Skalen verwenden. GIMP verwendet H = 0–360, S = 0–100, V = 0–100, während OpenCV H: 0–179, S: 0–255, V: 0–255 verwendet. In diesem Fall sollte der GIMP-Farbtonwert (22) halbiert werden, um der Skala von OpenCV zu entsprechen, was zu einem Bereich von (5, 50, 50) – (15, 255, 255) führt.

Problem 2: Bildformatkonvertierung

OpenCV arbeitet mit Bildern im BGR-Format, nicht mit RGB. Daher ist es notwendig, die Farbkonvertierungslinie in cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV) zu ändern. Dadurch wird sichergestellt, dass das Bild vor der HSV-Grenzerkennung korrekt konvertiert wird.

Durch die Einbeziehung dieser Anpassungen erhalten wir ein vielversprechenderes Ergebnis:

[Bild der verbesserten Erkennung]

Obwohl Die Ausgabe ist nicht perfekt, die Erkennung des orangefarbenen Deckels ist verbessert. Falsche Erkennungen können minimiert werden, indem die größte Kontur ausgewählt wird, die dem Lid entspricht.

Schlussfolgerung

Die Auswahl geeigneter HSV-Grenzen erfordert die Berücksichtigung von Maßstabsabweichungen und die ordnungsgemäße Konvertierung des Bildformats. Durch die Behebung dieser Probleme können wir die Genauigkeit der Farberkennung mithilfe von cv::inRange in OpenCV verbessern.

Das obige ist der detaillierte Inhalt vonWie optimiert man HSV-Grenzen für eine genaue Farberkennung in OpenCV?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!