如何使用'cv::inRange”在 OpenCV 中有效选择最佳 HSV 边界进行颜色检测？

在 OpenCV 中使用 cv::inRange 选择最佳 HSV 边界进行颜色检测

在图像处理任务中，通常需要基于在他们的颜色上。为此，OpenCV 中通常使用 cv::inRange 函数来识别指定 HSV 颜色范围内的像素。然而，选择适当的 HSV 边界可能具有挑战性，特别是当不同的应用程序使用不同的 HSV 比例和颜色格式时。

问题：

考虑检测橙色的场景咖啡罐图像上的盖子。使用 gimp 工具，发现眼睑中心的 HSV 值为 (22, 59, 100)。然而，应用 HSV 范围 (18, 40, 90) - (27, 255, 255) 导致检测结果不理想。

解决方案 1：调整 HSV 尺度

要解决此问题，重要的是要了解不同的应用程序使用不同的 HSV 比例。在这种情况下，gimp 使用 H: 0-360、S: 0-100、V: 0-100 比例，而 OpenCV 使用 H: 0-179、S: 0-255、V: 0-255。对于从gimp获得的色调值（22），需要取其​​一半（11）并相应调整范围。这转换为新的 HSV 范围 (5, 50, 50) - (15, 255, 255)。

解决方案 2：转换为 BGR 格式

另外，重要的是要考虑 OpenCV 使用 BGR 颜色格式，而不是 RGB。因此，在 Python 代码中，应将 cv::CV_RGB2HSV 转换替换为 cv::CV_BGR2HSV。

通过实施这些修改，检测算法应该会产生改进的结果。虽然仍可能发生轻微的错误检测，但最大的轮廓应对应于盖子。

使用 OpenCV 2 改进的 Python 代码：

import cv2

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

ORANGE_MIN = np.array([5, 50, 50], np.uint8)
ORANGE_MAX = np.array([15, 255, 255], np.uint8)

def test1():
    frame = cv2.imread(in_image)
    frameHSV = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    frame_threshed = cv2.inRange(frameHSV, ORANGE_MIN, ORANGE_MAX)
    cv2.imwrite(out_image_thr, frame_threshed)

if __name__ == '__main__':
    test1()

增强型 Python使用 OpenCV 4 进行编码：

import cv2
import numpy as np

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

ORANGE_MIN = np.array([5, 50, 50], np.uint8)
ORANGE_MAX = np.array([15, 255, 255], np.uint8)

def test1():
    frame = cv2.imread(in_image)
    frameHSV = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    frame_threshed = cv2.inRange(frameHSV, ORANGE_MIN, ORANGE_MAX)
    cv2.imwrite(out_image_thr, frame_threshed)

if __name__ == '__main__':
    test1()

使用这些更新代码，可以准确检测咖啡罐图像上的橙色盖子。

以上是如何使用'cv::inRange”在 OpenCV 中有效选择最佳 HSV 边界进行颜色检测？的详细内容。更多信息请关注PHP中文网其他相关文章！