cv::inRange を使用してオブジェクト検出のための HSV カラー境界を効果的に決定する方法
cv::inRange (OpenCV) を使用したオブジェクト検出の色の境界の選択
色の検出に cv::inRange 関数を利用する場合、適切な HSV の上限と下限を選択することが重要です。この記事では、関心のある特定の色に基づいてこれらの境界を効果的に決定する方法について説明します。
背景
HSV (色相、彩度、値) は色の 1 つです。画像処理でよく使われる空間。 HSV モデルは、色を 3 つの要素として表します。
- 色相 (H): 色合い (赤、青など) を表します。
- 彩度 (S): 色の量を測定します。シェード内に存在する色 (0 ~ 1)。
- 値 (V): 色の明るさを表します。 (0-255).
境界の選択
適切な HSV 境界の決定は、検出される特定の色に基づいて行われます。以下はステップバイステップのガイドです:
-
色相の決定:
- カラー ピッカー ツールを使用して、色相の HSV 値を特定します。
- HSV 値には異なるスケールが使用される場合があることに注意してください。
-
色相範囲の調整:
- 識別された値の周囲の範囲を調整することで、色相のわずかな変化を考慮します。 .
- たとえば、色相が 22 (179 のうち) の場合、範囲は(11-33) が適切である可能性があります。
-
彩度と値の範囲を設定します:
- 適切な範囲を使用します。彩度 (例: 50-255)。
- の場合値を指定するには、オブジェクトの予想される明るさを含む範囲を選択します。
-
形式を検討します:
- HSV 変換は、画像形式に適しています。
- たとえば、OpenCV は、RGB ではなく BGR を使用します。画像表現。
例
画像内のオレンジ色の蓋を検出する例を考えてみましょう。
-
HSV値:
- カラーピッカーを使用して、(22, 59, 100) の HSV 値を取得します。
-
調整済み境界:
- 色相範囲: (11-33)
- 彩度範囲: (50-255)
- 値範囲: (50-255)
-
Python コード:
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)
ログイン後にコピー
以上がcv::inRange を使用してオブジェクト検出のための HSV カラー境界を効果的に決定する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

限られた時間でPythonの学習効率を最大化するには、PythonのDateTime、時間、およびスケジュールモジュールを使用できます。 1. DateTimeモジュールは、学習時間を記録および計画するために使用されます。 2。時間モジュールは、勉強と休息の時間を設定するのに役立ちます。 3.スケジュールモジュールは、毎週の学習タスクを自動的に配置します。

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。
