如何使用 cv::inRange 有效确定物体检测的 HSV 颜色边界？

使用 cv::inRange (OpenCV) 选择对象检测的颜色边界

使用 cv::inRange 函数进行颜色检测时，选择适当的 HSV 上限和下限至关重要。本文解决了如何根据感兴趣的特定颜色有效地确定这些边界的问题。

背景

HSV（色相、饱和度、值）是一种颜色图像处理中常用的空间。 HSV 模型将颜色表示为三个组成部分：

• 色调 (H)：表示颜色深浅（例如红色、蓝色）。
• 饱和度 (S)：测量颜色的量阴影中存在的颜色 (0-1)。
• 值 (V)：代表颜色的亮度(0-255).

选择边界

根据检测到的特定颜色确定正确的 HSV 边界。以下是分步指南：

1. 确定色调：

   • 使用颜色选择器工具识别以下颜色的 HSV 值感兴趣的对象。
   • 请注意，根据不同的情况，HSV 值可能会使用不同的比例

2. 调整色调范围：

   • 通过调整识别值周围的范围来考虑色调的细微变化.
   • 例如，如果色调为 22（满分 179），则范围为(11-33) 可能是合适的。

3. 设置饱和度和值范围：

   • 使用合理的范围饱和度（例如 50-255）。
   • 对于值，请选择一个范围其中包括对象的预期亮度。

4. 考虑格式：

   • 确保 HSV 转换适合你的图像格式。
   • 例如，OpenCV 使用 BGR，而不是 RGB 图像

示例

让我们考虑一下检测图像中橙色盖子的示例。

1. 单纯疱疹病毒值：

   • 使用颜色选择器，我们获得 HSV 值 (22, 59, 100)。

2. 调整后边界：

   • 色调范围：(11-33)
   • 饱和度范围：(50-255)
   • 值范围： (50-255)

3. Python 代码：

   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 有效确定物体检测的 HSV 颜色边界？的详细内容。更多信息请关注PHP中文网其他相关文章！