【opencv-python 4】图像的色彩空间和基于色彩空间的物体追踪

快来打我* 2022-02-23 01:10 287阅读 0赞

用到的函数

frame = cv.resize(frame,(350,600)) # 将图像缩放为指定的尺寸
    gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY) # 将BGR图像转换为GRAY灰度图像
    cv2.inRange() # 函数设阈值
    cv.bitwise_and() #与操作

下面的实例代码包含两个部分（1）颜色空间转换，（2）基于颜色空间目标提取

（1）颜色空间转换

这里仅仅补充：将单通道的灰度图像重新转回三道的图像，是可行的，但是由于信息丢失，转换回来的图像虽然是三通道的格式，但是看起来还是和灰度图像一样

（2）基于颜色的目标提取

这里主要说一下BGR转HSV

一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（经验值）。

H:  0 — 180

S:  0 — 255

V:  0 — 255

此处把部分红色归为紫色范围：

例如，我们要提取出图像的绿色部分，可以使用下面的操作：

上限值：（35,43,46）

下限值：（77,255,255）

hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
    hsv = cv.inRange(hsv,lowerb=np.array([35,43,46]),upperb=np.array([77,255,255]))

综合为下面的代码

import cv2 as cv
    import numpy as np
    
    
    # 基于颜色的目标提取
    def color_extract_demo():
        capture = cv.VideoCapture("./images/me.mp4")
        while True:
            ret, frame = capture.read()
            if ret ==False:
                break
    
            frame = cv.resize(frame,(350,600))
            cv.imshow('video',frame)
            hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
            hsv = cv.inRange(hsv,lowerb=np.array([35,43,46]),upperb=np.array([77,255,255]))
            cv.imshow(' video', hsv)
            c = cv.waitKey(40)
            if c == 27:
                break
    
    
    # 图像颜色空间转换
    def color_space_demo(image):
        print('src.shape: ',src.shape)
    
        gray = cv.cvtColor(src,cv.COLOR_BGR2GRAY)
        cv.imshow('gray',gray)
        print('gray.shape: ',gray.shape)
    
        hsv = cv.cvtColor(src,cv.COLOR_BGR2HSV)
        cv.imshow('hsv',hsv)
        print('hsv.shape: ',hsv.shape)
    
        # 虽说能转回去，就是，信息已经丢失了
        back2src = cv.cvtColor(gray,cv.COLOR_GRAY2BGR)
        cv.imshow('back2src',back2src)
        print('back2src.shape: ',back2src.shape)
    
    
    # 调用函数
    src = cv.imread('./images/yuanyuan.png')
    cv.imshow('input image',src)
    color_space_demo(src)
    color_extract_demo()
    
    # pause
    cv.waitKey(0)
    cv.destroyAllWindows()

运行效果

> src.shape:  (626, 517, 3)  
> gray.shape:  (626, 517)  
> hsv.shape:  (626, 517, 3)  
> back2src.shape:  (626, 517, 3)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 1][]

颜色空间提取这里的视频只截取几张图片

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 3][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 4][]

改进，保留目标原有的颜色

方法就是使用了一个与的操作  cv.bitwise\_and

import cv2 as cv
    import numpy as np 
     
    # 基于颜色的目标提取
    def color_extract_demo():
        capture = cv.VideoCapture("me.mp4")
        while True:
            ret, frame = capture.read()
            if ret ==False:
                break 
            frame = cv.resize(frame,(350,600))
            cv.imshow('raw_video',frame)
            
            hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
            hsv = cv.inRange(hsv,lowerb=np.array([35,43,46]),upperb=np.array([77,255,255]))
            cv.imshow('hsv_video',hsv)
    
            dst = cv.bitwise_and(frame,frame,mask = hsv)
            cv.imshow('result_video', dst)
            c = cv.waitKey(40)
            if c == 27:
                break
     
    # 调用函数
    color_extract_demo() 
    
    cv.destroyAllWindows()

效果如下

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 5][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70]: /images/20220223/37eb49675b7340fa9fcd5838db2a8318.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 1]: /images/20220223/81473b5ced974c17967ef197a068949c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 2]: /images/20220223/2c1827b8a099420f989609cd90151853.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 3]: /images/20220223/8101c7f6e0e94dc0ba03dc4f4338c03e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 4]: /images/20220223/c1c67a809a254b2cb2c1130947421b81.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3BsU29uZ19DU0RO_size_16_color_FFFFFF_t_70 5]: /images/20220223/99b5929f4cbc4248b50aa318c9e09387.png