如何优化 OpenCV 的 inRange 函数以实现图像中准确的红色检测？

使用 OpenCV 增强红色检测

准确的颜色检测在各种计算机视觉任务中至关重要。本文解决了使用 OpenCV 库检测红色物体的具体挑战。通过探索 HSV 颜色空间和细化阈值参数，我们的目标是改进图像中红色矩形的检测。

问题陈述

给定一个具有红色矩形，目标是使用 OpenCV 的 inRange 函数和 HSV 颜色空间来隔离和检测红色对象。然而，使用提供的参数范围进行的初步尝试并未产生令人满意的结果。

建议的解决方案：HSV 颜色空间

在 HSV 空间中，红色色调环绕着180 度值。因此，为了有效检测红色，我们需要考虑 [0, 10] 和 [170, 180] 的值：

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;

通过组合这两个掩模，我们可以更准确地捕获红色范围，如改进后的结果所示。

替代方法：反转图像 HSV

解决此问题的另一个角度是在将原始 BGR 图像转换为 HSV 之前反转原始 BGR 图像。在倒置图像中，红色变成青色，使其更容易检测：

Mat3b bgr_inv = ~bgr;
cvtColor(bgr_inv, hsv_inv, COLOR_BGR2HSV);

inRange(hsv_inv, Scalar(90 - 10, 70, 50), Scalar(90 + 10, 255, 255), mask);

这种方法允许我们在倒置 HSV 图像中搜索单个目标颜色（青色），提供有效的替代方案

结论

通过细化颜色检测参数并利用 HSV 颜色空间的特定属性，我们可以显着增强红色的检测使用 OpenCV 的对象。提供的解决方案说明了 OpenCV 在处理具有挑战性的颜色检测场景方面的多功能性和有效性。

以上是如何优化 OpenCV 的 inRange 函数以实现图像中准确的红色检测？的详细内容。更多信息请关注PHP中文网其他相关文章！