如何使用「cv::inRange」在 OpenCV 中有效選擇最佳 HSV 邊界進行顏色偵測？

在OpenCV 中使用cv::inRange 選擇最佳HSV 邊界進行顏色偵測

在影像處理任務中，通常需要基於在影像處理任務中他們的顏色上。為此，OpenCV 中通常使用 cv::inRange 函數來識別指定 HSV 顏色範圍內的像素。然而，選擇適當的 HSV 邊界可能具有挑戰性，特別是當不同的應用程式使用不同的 HSV 比例和顏色格式時。

問題：

考慮偵測橘色的場景咖啡罐影像上的蓋子。使用 gimp 工具，發現眼瞼中心的 HSV 值為 (22, 59, 100)。然而，應用 HSV 範圍 (18, 40, 90) - (27, 255, 255) 導致檢測結果不理想。

解決方案 1：調整 HSV 尺度

要解決此問題，重要的是要了解不同的應用程式使用不同的 HSV 比例。在這種情況下，gimp 使用 H: 0-360、S: 0-100、V: 0-100 比例，而 OpenCV 使用 H: 0-179、S: 0-255、V: 0-255。對於從gimp獲得的色調值（22），需要取一半（11）並相應調整範圍。這轉換為新的 HSV 範圍 (5, 50, 50) - (15, 255, 255)。

解決方案 2：轉換為 BGR 格式

另外，重要的是要考慮 OpenCV 使用 BGR 顏色格式，而不是 RGB。因此，在 Python 程式碼中，應將 cv::CV_RGB2HSV 轉換替換為 cv::CV_BGR2HSV。

透過實作這些修改，偵測演算法應該會產生改進的結果。雖然仍可能發生輕微的錯誤檢測，但最大的輪廓應對應於蓋子。

使用OpenCV 2 改進的Python 代碼：

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()

增強型Python使用OpenCV 4 進行編碼：

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()

使用這些更新代碼，可以準確地偵測咖啡罐影像上的橘色蓋子。

以上是如何使用「cv::inRange」在 OpenCV 中有效選擇最佳 HSV 邊界進行顏色偵測？的詳細內容。更多資訊請關注PHP中文網其他相關文章！