利用OpenCV进行颜色检测_opencv颜色识别原理

HSV介绍

HSV是相对RGB的另一种颜色表示方式，它相对RGB而言，是一种比较直观的颜色模型。其中颜色的参数分别是：色调（H），饱和度（S），明度（V）。

色调H：
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,紫色为300°；
饱和度S：
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
明度V：
明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关，光照对此值影响最大。通常取值范围为0%（黑）到100%（白）。

代码：

OpenCV中由BGR转为HSV方法：
注意：OpenCV读取的图片格式为BGR格式，非RGB格式。

import cv2
img=cv2.imread('cat.jpg')
#读取一张图片
hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
#利用cv2.cvtColor将图片进行格式转化
#转化类型为cv2.COLOR_BGR2HSV
cv2.imshow("hsv", hsv)
cv2.waitKey(0)    
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

原图：

处理后：

利用cv2.inRange进行二值化处理

cv2.inRange介绍

此函数可实现图像的二值化处理功能，这点类似之前提到过的threshold()函数，但是threshold()函数只能对单一通道进行二值化处理，而inRange()可以对多个通道进行操作。使用inRange处理之前，需要确定好两个数组，即图像上限和图像下限。

img = cv2.inRange(hsv, lower, upper)

第一个参数：hsv指的是原图
第二个参数：lower指的是图像中低于这个lower的值，图像值变为0
第三个参数：upper指的是图像中高于这个upper的值，图像值变为0

注意：如果传入的图像是彩色的，即三维数组图像，则lower与upper里面分别有三个元素，并且二者必须都是数组类型。

(lower, upper) 两个数组参数可以作为一个范围，如果图像的像素点在这个范围之内，像素点就变成255（即白色），如果图像的像素点在这个范围之外，像素点就变为0（即黑色）。

处理完成之后，图像变为二值图像，想要的图像颜色变为白色，其他颜色变为黑色，之后可以专门针对白色进行处理。

代码示例

提取该图水杯部分（即黑色部分）：

import cv2
img=cv2.imread('cat3.jpg')
hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
lower=np.array([0,0,0])
upper=np.array([180,255,46])
#提前确定黑色的hsv范围
img_r=cv2.inRange(img,lower,upper)
cv2.imshow("img_r",img_r)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10

处理后：

由于猫耳朵与后面角落有部分黑色，并且杯子本身黑色不纯（存在白点），会产生噪点，需要后续进行处理，消去噪音点。

RGB通道与HSV通道在颜色检测中的区别

如果光源不稳定，光照变化较大（存在阴影或者亮斑），则利用HSV通道检测就比RGB检测高效得多。光照变化较大时，对RGB三个色道的参数影响都很大，在实际调参过程中会显得非常麻烦，而且效果不理想。
HSV中，由于H是颜色的色调，基本不受光照影响（即不受阴影或者亮斑影响），而V（明度）主要体现了颜色明亮程度，可以主要调试V来应对光源的变化，并且调试效果比RGB色道要可靠。

文：齐鲁工业大学 云灵未来人工智能协会 AIDC017