如何使用 HSV 颜色空间在 OpenCV 中实现更精确的红色检测？

使用 HSV 颜色空间改进 OpenCV 的红色检测

在 OpenCV 中，HSV 颜色空间提供了一种有效的方法来检测特定颜色，包括红色。然而，由于 HSV 中色调通道的圆形特性，红色可以围绕接近 180 度的值。这可能会给准确检测红色物体带来挑战。

为了解决这个问题，可以通过考虑色调分量的两个范围来实现更精确的检测：[0,10] 和 [170, 180]。通过包含这两个范围，我们确保检测覆盖整个红色色谱。

以下 Python 代码演示了这种方法：

import cv2

# Read the input image
image = cv2.imread("path_to_image")

# Convert BGR to HSV color space
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# Define HSV values for red color
hue_min1 = 0
hue_max1 = 10
hue_min2 = 170
hue_max2 = 180
sat_min = 70
sat_max = 255
val_min = 50
val_max = 255

# Create masks for the two hue ranges
mask1 = cv2.inRange(hsv, (hue_min1, sat_min, val_min), (hue_max1, sat_max, val_max))
mask2 = cv2.inRange(hsv, (hue_min2, sat_min, val_min), (hue_max2, sat_max, val_max))

# Combine the masks
mask = mask1 | mask2

# Display the mask
cv2.imshow("Mask", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

此代码有效地检测图像中的红色矩形，如掩码输出所示。

替代方法

另一种方法方法是将BGR图像反转，然后转换为HSV。这种方法本质上是搜索互补色青色（色调通道上的 90 度），使您可以在单个范围内检测红色。

以下 Python 代码演示了此技术：

import cv2

# Read the input image
image = cv2.imread("path_to_image")

# Invert the BGR image
inverted_image = cv2.bitwise_not(image)

# Convert inverted image to HSV color space
hsv_inverted = cv2.cvtColor(inverted_image, cv2.COLOR_BGR2HSV)

# Define HSV values for cyan color (inverted red)
hue_min = 90 - 10
hue_max = 90 + 10
sat_min = 70
sat_max = 255
val_min = 50
val_max = 255

# Create a mask for the cyan color range
mask = cv2.inRange(hsv_inverted, (hue_min, sat_min, val_min), (hue_max, sat_max, val_max))

# Display the mask
cv2.imshow("Mask", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

这两种方法都在 HSV 颜色空间中使用 OpenCV 改进了红色检测，为图像处理应用程序提供了更准确的结果。

以上是如何使用 HSV 颜色空间在 OpenCV 中实现更精确的红色检测？的详细内容。更多信息请关注PHP中文网其他相关文章！