如何使用 HSV 颜色空间改进 OpenCV 中的红色检测？

使用 OpenCV 增强红色检测

简介

使用 OpenCV 和 HSV 颜色处理红色检测时空间，获得令人满意的结果可能具有挑战性。然而，通过探索各种方法和参数调整，可以做出显着的改进。

问题

为了增强对图像中红色矩形的检测，以下代码已被利用：

#include <opencv2>

int main()
{
    // Image initialization
    Mat input = imread("path_to_image");

    // HSV conversion
    Mat imageHSV;
    cvtColor(input, imageHSV, COLOR_BGR2HSV);

    // HSV parameter ranges
    int H_MIN = 0;
    int H_MAX = 10;
    int S_MIN = 70;
    int S_MAX = 255;
    int V_MIN = 50;
    int V_MAX = 255;

    // Red color range in HSV
    cv::inRange(imageHSV, cv::Scalar(H_MIN, S_MIN, V_MIN),
                cv::Scalar(H_MAX, S_MAX, V_MAX), imgThreshold0);
}</opencv2>

尽管使用动态轨迹栏调整 HSV 值，但最佳结果仍然难以实现。

解决方案

1 。扩展色调值范围：

在 HSV 空间中，红色环绕 180 左右。因此，为了完全捕获红色的整个范围，色调值 (H) 必须同时考虑 [0,10]和 [170, 180]。

inRange(hsv, Scalar(0, 70, 50), Scalar(10, 255, 255), mask1);
inRange(hsv, Scalar(170, 70, 50), Scalar(180, 255, 255), mask2);

2。反转图像并检测青色：

或者，一个有趣的方法是：

• 反转原始 BGR 图像。
• 将反转图像转换为 HSV .
• 检测青色（HSV 90 左右）而不是红色。

此方法可以有效检测 HSV 中仅单个范围的红色（青色）补色。

// Invert original image
Mat3b bgr_inv = ~bgr;

// Convert to HSV
Mat3b hsv_inv;
cvtColor(bgr_inv, hsv_inv, COLOR_BGR2HSV);

// Detect cyan range
inRange(hsv_inv, Scalar(90 - 10, 70, 50), Scalar(90 + 10, 255, 255), mask);

结论

通过结合这些增强的技术，OpenCV 可以以更高的精度有效地检测红色。这些方法为进一步优化和在各种图像处理场景中的应用提供了坚实的基础。

以上是如何使用 HSV 颜色空间改进 OpenCV 中的红色检测？的详细内容。更多信息请关注PHP中文网其他相关文章！