Bagaimana untuk Memilih Sempadan Atas dan Bawah HSV yang Betul untuk Pengesanan Warna Tepat dalam OpenCV?

Memilih Sempadan HSV Atas dan Bawah yang Betul untuk Pengesanan Warna dengan cv::inRange (OpenCV)

Apabila mengesan warna dalam imej menggunakan fungsi cv::inRange dalam OpenCV, adalah penting untuk memilih sempadan atas dan bawah yang sesuai untuk Ruang warna HSV (Hue, Saturation, Value). Ini memastikan pengesanan warna yang tepat dan membolehkan pembahagian yang cekap.

Masalah:

Pertimbangkan imej yang mengandungi penutup oren pada tin kopi. Nilai HSV di tengah tudung, yang diperoleh menggunakan utiliti gcolor2, ialah (22, 59, 100). Menggunakan sempadan awal yang ditakrifkan sebagai min = (18, 40, 90) dan maks = (27, 255, 255) menghasilkan hasil pengesanan yang tidak dijangka.

Penyelesaian:

Masalah 1: Julat HSV Variasi

Aplikasi yang berbeza selalunya menggunakan skala yang berbeza untuk nilai HSV. GIMP, contohnya, menggunakan skala H: 0-360, S: 0-100, V: 0-100, manakala OpenCV menggunakan H: 0-179, S: 0-255, V: 0-255. Dalam kes ini, nilai warna 22 dalam GIMP hendaklah ditukar kepada 11 dalam OpenCV dengan mengambil separuh daripada nilainya. Oleh itu, sempadan yang disemak menjadi (5, 50, 50) - (15, 255, 255).

Masalah 2: Keserasian Ruang Warna

OpenCV menggunakan BGR Format warna (Biru-Hijau-Merah), bukan RGB. Untuk memastikan keserasian, kod yang menukar RGB kepada HSV hendaklah diubah suai kepada:

cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV)

Kod Kemas Kini:

import cv

in_image = 'kaffee.png'
out_image = 'kaffee_out.png'
out_image_thr = 'kaffee_thr.png'

ORANGE_MIN = cv.Scalar(5, 50, 50)
ORANGE_MAX = cv.Scalar(15, 255, 255)
COLOR_MIN = ORANGE_MIN
COLOR_MAX = ORANGE_MAX

def test1():
    frame = cv.LoadImage(in_image)
    frameHSV = cv.CreateImage(cv.GetSize(frame), 8, 3)
    cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV)
    frame_threshed = cv.CreateImage(cv.GetSize(frameHSV), 8, 1)
    cv.InRangeS(frameHSV, COLOR_MIN, COLOR_MAX, frame_threshed)
    cv.SaveImage(out_image_thr, frame_threshed)

if __name__ == '__main__':
    test1()

Hasil:

Menjalankan kod yang dikemas kini menghasilkan pembahagian oren yang lebih tepat penutup.

Nota:

Mungkin terdapat beberapa pengesanan palsu kecil disebabkan rona yang serupa di latar belakang. Untuk menangani perkara ini, pemprosesan lanjut seperti analisis kontur boleh digunakan untuk mengasingkan kontur terbesar yang sepadan dengan tudung.

Atas ialah kandungan terperinci Bagaimana untuk Memilih Sempadan Atas dan Bawah HSV yang Betul untuk Pengesanan Warna Tepat dalam OpenCV?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!