OpenCV-Python 中文教程8——颜色空间转换

目标
• 学习如何对图像进行颜色空间转换，比如从 BGR 到灰度图，或者从BGR 到 HSV 等。
• 创建一个程序用来从一幅图像中获取某个特定颜色的物体。

• 学习函数cv2.cvtColor()与 cv2.inRange() 等。

1、转换颜色空间

在 OpenCV 中有超过 150 中进行颜色空间转换的方法。但是你以后就会发现我们经常用到的也就两种： BGR~Gray 和 BGR~HSV。

我们要用到的函数是： cv2.cvtColor(input_image， flag)，其中 flag就是转换类型。

对于 BGR~Gray 的转换，我们要使用的 flag 就是 cv2.COLOR_BGR2GRAY。同样对于 BGR$HSV 的转换，我们用的 flag 就是 cv2.COLOR_BGR2HSV。你还可以通过下面的命令得到所有可用的 flag。

import cv2
flags=[i for in dir(cv2) if i startswith('COLOR_')]

在 OpenCV 的 HSV 格式中， H（色彩/色度）的取值范围是 [0， 179]，S（饱和度）的取值范围 [0， 255]， V（亮度）的取值范围 [0， 255]。但是不同的软件使用的值可能不同。所以当你需要拿 OpenCV 的 HSV 值与其他软件的 HSV 值进行对比时，一定要记得归一化。

2、物体跟踪

现在我们知道怎样将一幅图像从 BGR 转换到 HSV 了，我们可以利用这一点来提取带有某个特定颜色的物体。在 HSV 颜色空间中要比在 BGR 空间中更容易表示一个特定颜色。在我们的程序中，我们要提取的是一个蓝色的物体。下面就是就是我们要做的几步：

• 从视频中获取每一帧图像

• 将图像转换到 HSV 空间

• 设置 HSV 阈值到蓝色范围。

• 获取蓝色物体，当然我们还可以做其他任何我们想做的事，比如：在蓝色物体周围画一个圈。

下面就是我们的代码：

import cv2
import numpy as np
cap=cv2.VideoCapture(0)
while(1):
   # 获取每一帧
   ret,frame=cap.read()
   # 转换到 HSV
   hsv=cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
   # 设定蓝色的阈值
   lower_blue=np.array([110,50,50])
   upper_blue=np.array([130,255,255])
   # 根据阈值构建掩模
   mask=cv2.inRange(hsv,lower_blue,upper_blue)
   # 对原图像和掩模进行位运算
   res=cv2.bitwise_and(frame,frame,mask=mask)
   # 显示图像
   cv2.imshow('frame',frame)
   cv2.imshow('mask',mask)
   cv2.imshow('res',res)
   k=cv2.waitKey(5)&0xFF
   if k==27:
      break
# 关闭窗口
cv2.destroyAllWindows()

运行结果：

可以看到，图像中仍然有一些噪音，如何消减噪音我们将在后见面介绍。这是物体跟踪中最简单的方法。当你学习了轮廓之后，你就会学到更多相关知识，那是你就可以找到物体的重心，并根据重心来跟踪物体，仅仅在摄像头前挥挥手就可以画出同的图形，或者其他更有趣的事。

3、怎样找到要跟踪对象的 HSV 值？

这是在stackoverflow.com上遇到的最普遍的问题。其实这真的很简单，函数 cv2.cvtColor() 也可以用到这里。但是现在你要传入的参数是（你想要的）BGR 值而不是一副图。例如，我们要找到绿色的 HSV 值，我们只需在终端输入以下命令：

import cv2
import numpy as np
green=np.uint8([[[0,255,0]]])
hsv_green=cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
print(hsv_green) # [[[ 60 255 255]]]

现在你可以分别用 [H-100， 100， 100] 和 [H+100， 255， 255] 做上下阈值。除了这个方法之外，你可以使用任何其他图像编辑软件（例如 GIMP）或者在线转换软件找到相应的 HSV 值，但是最后别忘了调节 HSV 的范围。

OpenCV-Python 中文教程8——颜色空间转换

猜你喜欢