如何使用 cv::inRange 有效地確定物體偵測的 HSV 顏色邊界？

使用cv::inRange (OpenCV) 選擇物件偵測的顏色邊界

使用cv::inRange 程式進行顏色偵測時，選擇函數進行顏色偵測適當的HSV 上限和下限至關重要。本文解決瞭如何根據感興趣的特定顏色有效地確定這些邊界的問題。

背景

HSV（色相、飽和度、值）是一種顏色影像處理中常用的空間。 HSV 模型將顏色表示為三個組成部分：

• 色調 (H)：表示顏色深淺（例如紅色、藍色）。
• 飽和度 (S)：測量顏色的量陰影中存在的顏色 (0-1)。
• 值(V)：代表顏色的亮度(0-255).

選擇邊界

根據偵測到的特定顏色確定正確的HSV 邊界。以下是逐步指南：

1. 確定色調：

   • 使用顏色選擇器工具識別以下顏色的HSV 值感興趣的對象。
   • 請注意，依照不同的情況，HSV數值可能會使用不同的比例

2. 調整色調範圍：

   • 透過調整辨識值周圍的範圍來考慮色調的細微變化.
   • 例如，如果色調為22（滿分179），則範圍為(11-33) 可能是適當的。

3. 設定飽和度和值範圍：

   • 使用合理的範圍飽和度（例如 50-255）。
   • 對於數值，請選擇一個範圍其中包含物件的預期亮度。

4. 考慮格式：

   • 確保 HSV 轉換適合你的影像格式。
   • 例如，OpenCV 使用BGR，而不是RGB 影像

範例

讓我們考慮一下偵測影像中橙色蓋子的範例。

1. 單純皰疹病毒值：

   • 使用顏色選擇器，我們得到 HSV 值 (22, 59, 100)。

2. 調整後邊界：

   • 色調範圍：(11-33)
   • 色調範圍：飽和度範圍：(50-255)
   • 值範圍： (50-255)

3. Python 代碼：

   import cv2
   import numpy as np
   
   ORANGE_MIN = np.array([11, 50, 50], np.uint8)
   ORANGE_MAX = np.array([33, 255, 255], np.uint8)
   
   # Read and convert image
   img = cv2.imread('image.png')
   hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
   
   # Detect orange using inRange
   mask = cv2.inRange(hsv_img, ORANGE_MIN, ORANGE_MAX)
   # Display mask
   cv2.imshow('Mask', mask)
   cv2.waitKey(0)

以上是如何使用 cv::inRange 有效地確定物體偵測的 HSV 顏色邊界？的詳細內容。更多資訊請關注PHP中文網其他相關文章！