opencv 实现特定颜色线条提取与定位_根据颜色提取线的代码

本篇文章通过调用opencv里的函数简单的实现了对图像里特定颜色提取与定位，以此为基础，我们可以实现对特定颜色物体的前景分割与定位，或者特定颜色线条的提取与定位
主要步骤:

1. 将RGB图像转化为HSV，H表示色调（度数表示0-180），S表示饱和度（取值0-255），V表示亮度（取值0-255），不同的颜色有着不同的取值范围，一般给出如下：
   
2. 设定待提取颜色的HSV范围值，然后调用inRange函数实现对颜色空间的提取，该函数会将除目标颜色外的其余颜色为黑色背景，仅保留该颜色为前景

 cv2.inRange(hsv, lower_red, upper_red)
 参数解析：
第一个参数：hsv指的是原图
第二个参数：lower_red指的是图像中低于这个lower_red的值，图像值变为0
第三个参数：upper_red指的是图像中高于这个upper_red的值，图像值变为0
而在lower_red～upper_red之间的值变成255
1
2
3
4
5
6

4. 二值化
5. 腐蚀与膨胀操作，去除噪点，连接断点
6. 调用findContours函数进行轮廓检测
   cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图）

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) 
参数解析
第一个参数是寻找轮廓的图像；
第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
    cv2.RETR_EXTERNAL表示只检测外轮廓
    cv2.RETR_LIST检测的轮廓不建立等级关系
    cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
    cv2.RETR_TREE建立一个等级树结构的轮廓。
第三个参数method为轮廓的近似办法
    cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
    cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
    cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
返回值
cv2.findContours()函数返回三个值，一个是图像，一个是轮廓本身，还有一个是每条轮廓对应的属性。
对于轮廓是以坐标的形式返回，可以通过函数cv2.drawContours()绘制出轮廓
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

8. 绘制矩形区域对轮廓进行定位

主要代码如下：

import numpy as np
import cv2
import os
image = 'image1.jpg'
savefile = './mark1'
# image = os.listdir(image_file)
save_image = os.path.join(savefile, image)

#设定颜色HSV范围，假定为红色
redLower = np.array([156, 43, 46])
redUpper = np.array([179, 255, 255])

#读取图像
img = cv2.imread(image)

#将图像转化为HSV格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

#去除颜色范围外的其余颜色
mask = cv2.inRange(hsv, redLower, redUpper)

# 二值化操作
ret, binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)

#膨胀操作，因为是对线条进行提取定位，所以腐蚀可能会造成更大间隔的断点，将线条切断，因此仅做膨胀操作
kernel = np.ones((5, 5), np.uint8)
dilation = cv2.dilate(binary, kernel, iterations=1)

#获取图像轮廓坐标，其中contours为坐标值，此处只检测外形轮廓
_, contours, hierarchy = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

if len(contours) > 0:
    #cv2.boundingRect()返回轮廓矩阵的坐标值，四个值为x, y, w, h， 其中x, y为左上角坐标，w,h为矩阵的宽和高
    boxes = [cv2.boundingRect(c) for c in contours]
    for box in boxes:
        x, y, w, h = box
        #绘制矩形框对轮廓进行定位
        cv2.rectangle(img, (x, y), (x+w, y+h), (153, 153, 0), 2)
	#将绘制的图像保存并展示
	cv2.imwrite(save_image, img)
	cv2.imshow('image', img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

效果如图，一试卷红色批改字样为例：
原图：

对批改区域定位图：