Bagaimana Berkesan Memilih Sempadan HSV Optimum untuk Pengesanan Warna dalam OpenCV menggunakan `cv::inRange`?

Memilih Sempadan HSV Optimum untuk Pengesanan Warna dengan cv::inRange dalam OpenCV

Dalam tugas pemprosesan imej, selalunya perlu untuk mengesan objek berdasarkan pada warna mereka. Untuk tujuan ini, fungsi cv::inRange biasanya digunakan dalam OpenCV untuk mengenal pasti piksel dalam julat warna HSV yang ditentukan. Walau bagaimanapun, memilih sempadan HSV yang sesuai boleh menjadi mencabar, terutamanya apabila aplikasi berbeza menggunakan skala HSV dan format warna yang berbeza-beza.

Masalah:

Pertimbangkan senario mengesan oren gambar penutup pada tin kopi. Menggunakan alat gimp, nilai HSV di tengah tudung didapati (22, 59, 100). Walau bagaimanapun, menggunakan julat HSV (18, 40, 90) - (27, 255, 255) menghasilkan keputusan pengesanan yang tidak memuaskan.

Penyelesaian 1: Laraskan Skala HSV

Untuk menyelesaikan isu ini, adalah penting untuk mengetahui bahawa aplikasi yang berbeza menggunakan skala HSV yang berbeza. Dalam kes ini, gimp menggunakan skala H: 0-360, S: 0-100, V: 0-100, manakala OpenCV menggunakan H: 0-179, S: 0-255, V: 0-255. Untuk nilai rona (22) yang diperoleh daripada gimp, anda perlu mengambil separuh daripadanya (11) dan melaraskan julat dengan sewajarnya. Ini diterjemahkan kepada julat HSV baharu (5, 50, 50) - (15, 255, 255).

Penyelesaian 2: Tukar kepada Format BGR

Selain itu , adalah penting untuk mengambil kira bahawa OpenCV menggunakan format warna BGR, bukan RGB. Oleh itu, dalam kod Python, penukaran cv::CV_RGB2HSV hendaklah digantikan dengan cv::CV_BGR2HSV.

Dengan melaksanakan pengubahsuaian ini, algoritma pengesanan harus menghasilkan hasil yang lebih baik. Walaupun pengesanan palsu kecil mungkin masih berlaku, kontur terbesar harus sepadan dengan tudung.

Kod Python yang Diperbaiki dengan OpenCV 2:

import cv2

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

ORANGE_MIN = np.array([5, 50, 50], np.uint8)
ORANGE_MAX = np.array([15, 255, 255], np.uint8)

def test1():
    frame = cv2.imread(in_image)
    frameHSV = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    frame_threshed = cv2.inRange(frameHSV, ORANGE_MIN, ORANGE_MAX)
    cv2.imwrite(out_image_thr, frame_threshed)

if __name__ == '__main__':
    test1()

Ular Python yang Dipertingkatkan Kod dengan OpenCV 4:

import cv2
import numpy as np

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

ORANGE_MIN = np.array([5, 50, 50], np.uint8)
ORANGE_MAX = np.array([15, 255, 255], np.uint8)

def test1():
    frame = cv2.imread(in_image)
    frameHSV = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    frame_threshed = cv2.inRange(frameHSV, ORANGE_MIN, ORANGE_MAX)
    cv2.imwrite(out_image_thr, frame_threshed)

if __name__ == '__main__':
    test1()

Menggunakan kod yang dikemas kini ini, ia adalah mungkin untuk mengesan dengan tepat penutup oren pada imej tin kopi.

Atas ialah kandungan terperinci Bagaimana Berkesan Memilih Sempadan HSV Optimum untuk Pengesanan Warna dalam OpenCV menggunakan `cv::inRange`?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!