Comment optimiser les limites HSV pour une détection précise des couleurs dans OpenCV ?

Sélection des limites HSV optimales pour la détection des couleurs à l'aide de cv::inRange (OpenCV)

Dans le traitement d'images, l'espace colorimétrique HSV est fréquemment utilisé pour la détection des couleurs. La sélection des limites HSV supérieures et inférieures appropriées est cruciale pour identifier avec précision les couleurs cibles. Cette question explore le processus de sélection d'une image contenant un couvercle orange sur une boîte de café.

Malgré la valeur centrale HSV estimée de (22, 59, 100) pour le couvercle, une première tentative utilisant des limites (18 , 40, 90) et (27, 255, 255) ont donné des résultats insatisfaisants. Pour résoudre ce problème, nous devons prendre en compte les problèmes potentiels liés à l'échelle HSV et au format d'image.

Problème 1 : Variance de l'échelle HSV

Différentes applications peuvent utiliser des échelles HSV distinctes. GIMP utilise H = 0-360, S = 0-100, V = 0-100, tandis qu'OpenCV adopte H : 0-179, S : 0-255, V : 0-255. Dans ce cas, la valeur de teinte GIMP (22) doit être réduite de moitié pour correspondre à l'échelle d'OpenCV, ce qui donne une plage de (5, 50, 50) - (15, 255, 255).

Problème 2 : Conversion du format d'image

OpenCV fonctionne sur des images au format BGR, et non RVB. Ainsi, il est nécessaire de modifier la ligne de conversion des couleurs en cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV). Cela garantit que l'image est correctement convertie avant la détection des limites HSV.

En intégrant ces ajustements, nous obtenons un résultat plus prometteur :

[Image de détection améliorée]

Bien que le rendu n'est pas parfait, il présente une détection améliorée du couvercle orange. Les fausses détections peuvent être minimisées en choisissant le contour le plus grand qui correspond au couvercle.

Conclusion

La sélection des limites HSV appropriées implique la prise en compte des écarts d'échelle et de la conversion appropriée du format d'image. En résolvant ces problèmes, nous pouvons améliorer la précision de la détection des couleurs en utilisant cv::inRange dans OpenCV.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!