使用 OpenCV 的 inRange 函数进行颜色分割

使用 OpenCV 的 inRange 函数进行颜色分割

在图像处理领域，颜色分割是一个常见的任务，常用于识别和提取图像中的特定颜色区域。OpenCV 提供了一个非常方便的函数 inRange 来实现这一功能。在这篇博客中，我们将详细介绍 inRange 函数的用法，并通过示例代码演示如何使用它来分割图像中的颜色。

inRange 函数介绍

inRange 是 OpenCV 库中的一个函数，用于检查图像像素值是否在指定的范围内，并生成一个二值图像。这个函数常用于颜色分割和阈值处理。

函数原型

void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);
1

参数说明

• src: 输入图像。这个图像可以是单通道（灰度图像）或多通道（彩色图像）。函数将对该图像进行处理。
• lowerb: 低阈值或下界。与 src 图像具有相同的类型和通道数，用于指定每个通道的下限值。
• upperb: 高阈值或上界。与 src 图像具有相同的类型和通道数，用于指定每个通道的上限值。
• dst: 输出图像。这个图像是一个单通道的二值图像，尺寸和 src 相同。像素值为 255（满足条件）或 0（不满足条件）。

函数描述

inRange 函数通过检查 src 图像的每个像素值是否在 lowerb 和 upperb 范围内，如果在范围内，则将对应位置的像素值设置为 255，否则设置为 0。结果保存在 dst 图像中。

示例代码

假设你有一个彩色图像 src，你想找到图像中绿色的部分，可以使用以下代码：

#include <opencv2/opencv.hpp>

int main() {
    // 读取输入图像
    cv::Mat src = cv::imread("path_to_image.jpg");

    if (src.empty()) {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    // 将图像从 BGR 颜色空间转换为 HSV 颜色空间
    cv::Mat src_hsv;
    cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);

    // 定义绿色的HSV范围
    cv::Scalar lowerb(35, 100, 100); // 绿色的下界（H, S, V）
    cv::Scalar upperb(85, 255, 255); // 绿色的上界（H, S, V）

    // 应用inRange函数
    cv::Mat mask;
    cv::inRange(src_hsv, lowerb, upperb, mask);

    // 显示结果
    cv::imshow("Original Image", src);
    cv::imshow("Mask", mask);

    cv::waitKey(0);
    return 0;
}
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

示例代码解析

1. 读取输入图像：

   cv::Mat src = cv::imread("path_to_image.jpg");
   1

   首先，我们使用 cv::imread 函数读取图像，并检查图像是否成功读取。

2. 转换颜色空间：

   cv::Mat src_hsv;
   cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);
   1
   2

   由于颜色分割通常在 HSV 颜色空间中效果更好，我们将图像从 BGR 颜色空间转换为 HSV 颜色空间。

3. 定义颜色范围：

   cv::Scalar lowerb(35, 100, 100); // 绿色的下界（H, S, V）
   cv::Scalar upperb(85, 255, 255); // 绿色的上界（H, S, V）
   1
   2

   我们定义绿色的 HSV 范围，通过调整这两个值，可以检测不同的颜色。

4. 应用 inRange 函数：

   cv::Mat mask;
   cv::inRange(src_hsv, lowerb, upperb, mask);
   1
   2

   使用 inRange 函数，我们生成一个二值图像 mask，其中绿色部分的像素值为 255，其他部分为 0。

5. 显示结果：

   cv::imshow("Original Image", src);
   cv::imshow("Mask", mask);
   1
   2

   最后，我们使用 cv::imshow 函数显示原始图像和结果二值图像。

注意事项

• 输入图像 src 和下界 lowerb 以及上界 upperb 必须具有相同的通道数。如果 src 是三通道的彩色图像，那么 lowerb 和 upperb 也应该是三通道的。
• dst 是一个单通道的二值图像，只有两种可能的像素值：0 和 255。

用法场景

• 颜色分割：可以根据颜色范围分割图像中的特定颜色区域。
• 阈值处理：将图像中的像素值在某个范围内的部分提取出来。
• 物体检测：检测图像中具有特定颜色的物体。

通过 inRange 函数，我们可以方便地进行颜色分割，提取图像中的特定颜色区域，从而为后续的图像处理和分析打下基础。希望这篇博客对你理解和使用 inRange 函数有所帮助。