说明:这是复现网上的3h学习opencv视频教程中的程序,用于学习。
1. 调用库函数
import cv2
import numpy as np
2. cv2.creatTrackbar()函数的回调子程序
def empty(a):
pass
这个回调函数一般是固定格式。
调用方法例如:cv2.createTrackbar(“Hue Min”,“TrackBars”, 0, 179, empty)
3. 图片排列显示图片
用于对比看出各种处理方式的不同,第一个参数为缩放比例0~1之间;第二个参数为图像排列构成的矩阵。
调用方法例如: imgStacked = stackImages(0.6, ([img, imgHSV], [mask, imgResult]))
def stackImages(scale,imgArray):
rows = len(imgArray)
cols = len(imgArray[0])
rowsAvailable = isinstance(imgArray[0], list) # 判断是否是列表形式,若是则回True
width = imgArray[0][0].shape[1]
height = imgArray[0][0].shape[0]
if rowsAvailable:
for x in range(0, rows):
for y in range(0, cols):
if imgArray[x][y].shape[:2] == imgArray[0][0].shape[:2]:
imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
else:
imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
if len(imgArray[x][y].shape) == 2: imgArray[x][y] = cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
imageBlank = np.zeros((height, width, 3), np.uint8)
hor = [imageBlank]*rows
hor_con = [imageBlank]*rows
for x in range(0, rows):
hor[x] = np.hstack(imgArray[x])
ver = np.vstack(hor)
else:
for x in range(0, rows):
if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
else:
imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
hor= np.hstack(imgArray)
ver = hor #返回的是图像,只需要调用imshow()函数正常显示即可。
return ver
4. 创建跟踪栏
- 一般要用hsv颜色空间选取颜色,因为hsv空间比rgb空间更能够分辨不同的颜色,便于选取颜色。hsv分别是:色调,饱和度和亮度。
- 这里通过跟踪栏改变hsv的值,从而选取图片中所需颜色。
- hue的范围一般为0~180,其他两个为0 ~255。
path = "resource/car4.jpg"
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,340)
# 创建跟踪栏
cv2.createTrackbar("Hue Min","TrackBars", 0, 179, empty) #色调
cv2.createTrackbar("Hue Max","TrackBars", 179, 179, empty)
cv2.createTrackbar("Sat Min","TrackBars", 0, 255, empty) #饱和度
cv2.createTrackbar("Sat Max","TrackBars", 255, 255, empty)
cv2.createTrackbar("Val Min","TrackBars", 0, 255, empty) #亮度,用HSV空间更能体现人眼对不同颜色的差别
cv2.createTrackbar("Val Max","TrackBars", 255, 255, empty)
5. 主程序
先读出图片并转换为灰度图片,再获取跟踪栏的值,然后根据得到的hsv值设阈值,去除背景部分,
然后将该图片与原图片进行“与”操作,去除背景,然后通过前面stackImages函数显示出来。
while True:
img = cv2.imread(path)
imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) # 转换为HSV空间
h_min = cv2.getTrackbarPos("Hue Min", "TrackBars")
h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")
s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")
s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")
v_min = cv2.getTrackbarPos("Val Min", "TrackBars")
v_max = cv2.getTrackbarPos("Val Max", "TrackBars")
print(h_min,h_max,s_min,s_max,v_min,v_max)
lower = np.array([h_min,s_min,v_min])
upper = np.array([h_max,s_max,v_max])
mask = cv2.inRange(imgHSV,lower,upper)
imgResult = cv2.bitwise_and(img,img,mask=mask)
imgStacked = stackImages(0.6, ([img, imgHSV], [mask, imgResult]))
cv2.imshow("Stacked images", imgStacked)
cv2.waitKey(1)
6. 测试结果
跟踪栏:
颜色选取结果&图片显示: