如何使用 OpenCV 提高 HSV 颜色空间中的红色物体检测精度？

使用 OpenCV 优化 HSV 颜色空间对象检测

问题：

给定一个包含红色矩形的图像，该任务是使用 OpenCV 的 cv::inRange 方法在 HSV 颜色空间内提高红色的检测精度。

原始方法：

int H_MIN = 0;
int H_MAX = 10;
int S_MIN = 70; 
int S_MAX = 255;
int V_MIN = 50;
int V_MAX = 255;

cv::inRange( imageHSV, cv::Scalar( H_MIN, S_MIN, V_MIN ), cv::Scalar( H_MAX, S_MAX, V_MAX ), imgThreshold0 );

此方法提供结果不令人满意。

改进的解决方案：

原始方法无法解释 HSV 空间中红色大约 180 度的“包裹”。为了解决这个问题，H 范围需要同时包含 [0,10] 和 [170, 180]。

inRange(hsv, Scalar(0, 70, 50), Scalar(10, 255, 255), mask1);
inRange(hsv, Scalar(170, 70, 50), Scalar(180, 255, 255), mask2);

Mat1b mask = mask1 | mask2;

这种更新的方法可以提高检测结果。

替代方案方法：

另一个有效的方法是：

1. 反转 BGR 图像。
2. 转换为 HSV。
3. 搜索青色颜色。

Mat3b bgr_inv = ~bgr;
inRange(hsv_inv, Scalar(90 - 10, 70, 50), Scalar(90 + 10, 255, 255), mask); // Cyan is 90

这种替代方法提供了单一范围检查并产生令人满意的结果。

以上是如何使用 OpenCV 提高 HSV 颜色空间中的红色物体检测精度？的详细内容。更多信息请关注PHP中文网其他相关文章！