Comment choisir les limites supérieures et inférieures HSV correctes pour une détection précise des couleurs dans OpenCV ?

Choisir les limites HSV supérieures et inférieures correctes pour la détection des couleurs avec cv::inRange (OpenCV)

Lors de la détection de couleurs dans des images à l'aide de l'outil cv::inRange dans OpenCV, il est crucial de sélectionner les limites supérieures et inférieures appropriées pour la couleur HSV (Teinte, Saturation, Valeur) espace. Cela garantit une détection précise des couleurs et permet une segmentation efficace.

Problème :

Prenons une image contenant un couvercle orange sur une boîte de café. La valeur HSV au centre du couvercle, obtenue à l'aide de l'utilitaire gcolor2, est (22, 59, 100). L'utilisation de limites initiales définies comme min = (18, 40, 90) et max = (27, 255, 255) a entraîné des résultats de détection inattendus.

Solution :

Problème 1 : Variation de la plage HSV

Différentes applications utilisent souvent des échelles pour les valeurs HSV. GIMP, par exemple, utilise une échelle de H : 0-360, S : 0-100, V : 0-100, tandis qu'OpenCV utilise H : 0-179, S : 0-255, V : 0-255. Dans ce cas, la valeur de teinte de 22 dans GIMP doit être convertie en 11 dans OpenCV en prenant la moitié de sa valeur. Ainsi, la limite révisée devient (5, 50, 50) - (15, 255, 255).

Problème 2 : Compatibilité de l'espace colorimétrique

OpenCV utilise le BGR Format de couleur (Bleu-Vert-Rouge), pas RVB. Pour garantir la compatibilité, le code convertissant RVB en HSV doit être modifié comme suit :

cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV)

Code mis à jour :

import cv

in_image = 'kaffee.png'
out_image = 'kaffee_out.png'
out_image_thr = 'kaffee_thr.png'

ORANGE_MIN = cv.Scalar(5, 50, 50)
ORANGE_MAX = cv.Scalar(15, 255, 255)
COLOR_MIN = ORANGE_MIN
COLOR_MAX = ORANGE_MAX

def test1():
    frame = cv.LoadImage(in_image)
    frameHSV = cv.CreateImage(cv.GetSize(frame), 8, 3)
    cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV)
    frame_threshed = cv.CreateImage(cv.GetSize(frameHSV), 8, 1)
    cv.InRangeS(frameHSV, COLOR_MIN, COLOR_MAX, frame_threshed)
    cv.SaveImage(out_image_thr, frame_threshed)

if __name__ == '__main__':
    test1()

Résultat :

L'exécution du code mis à jour donne une segmentation plus précise de l'orange couvercle.

Remarque :

Il peut y avoir quelques petites fausses détections en raison de teintes similaires en arrière-plan. Pour résoudre ce problème, un traitement supplémentaire tel qu'une analyse de contour peut être appliqué pour isoler le plus grand contour correspondant au couvercle.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!