（信号灯七）综合版本-使用HSV颜色空间将类绿色、红色和黄色区域分别二值化

构建代码

import numpy as np
import collections
import cv2
import numpy as np
import matplotlib.pyplot as plt
import time#定义字典存放颜色分量上下限
#例如：{颜色: [min分量, max分量]}
#{'red': [array([160, 43, 46]), array([179, 255, 255])]}
"""
0是黑色 255是白色
mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0,
函数很简单，参数有三个
第一个参数：hsv指的是原图第二个参数：lower_red指的是图像中低于这个lower_red的值，图像值变为0
第三个参数：upper_red指的是图像中高于这个upper_red的值，图像值变为0而在lower_red～upper_red之间的值变成255
"""
def get_ColorList():dict = collections.defaultdict(list)# 红色1lower_red = np.array([0, 69, 165])upper_red = np.array([10, 255, 255])color_list = []color_list.append(lower_red)color_list.append(upper_red)dict['red1'] = color_list# 红色2lower_red = np.array([125, 49, 138])upper_red = np.array([180, 255, 255])color_list = []color_list.append(lower_red)color_list.append(upper_red)dict['red2']=color_list# 橙lower_red = np.array([11, 81, 148])upper_red = np.array([25, 255, 255])color_list = []color_list.append(lower_red)color_list.append(upper_red)dict['orange'] = color_list# 黄色lower_yellow = np.array([11, 67, 127])upper_yellow = np.array([34, 255, 255])color_list = []color_list.append(lower_yellow)color_list.append(upper_yellow)dict['yellow'] = color_list# 类绿色lower_green = np.array([35, 43, 165])upper_green = np.array([124, 255, 255])color_list = []color_list.append(lower_green)color_list.append(upper_green)dict['green_like'] = color_listreturn dictdef get_binary_image(img_path):img = cv2.imread(img_path)hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)color_dict = get_ColorList()mask_red1 = cv2.inRange(hsv, color_dict['red1'][0],color_dict['red1'][1])mask_red2 = cv2.inRange(hsv, color_dict['red2'][0],color_dict['red2'][1])mask_orange = cv2.inRange(hsv, color_dict['orange'][0],color_dict['orange'][1])mask_yellow = cv2.inRange(hsv, color_dict['yellow'][0],color_dict['yellow'][1])mask_green_like = cv2.inRange(hsv, color_dict['green_like'][0],color_dict['green_like'][1])red_add_mask = mask_red1 + mask_red2 + mask_orangeyellow_add_mask = mask_yellow + mask_orangeshow_red_add = cv2.bitwise_and(img, img, mask = red_add_mask)show_yellow = cv2.bitwise_and(img, img, mask = mask_yellow)show_yellow_add = cv2.bitwise_and(img, img, mask = yellow_add_mask)show_green = cv2.bitwise_and(img, img, mask = mask_green_like)return img,hsv,red_add_mask,yellow_add_mask,mask_green_like,show_red_add,show_yellow_add,show_green

执行代码

t0 = time.time()
img,hsv,red_add_mask,yellow_add_mask,mask_green_like,show_red_add,show_yellow_add,show_green = \
get_binary_image(img_path = 'test_images/891.jpg')
print(time.time()-t0)

显示结果

fig = plt.gcf() # 分通道显示图片
fig.set_size_inches(12, 28)
plt.subplot(851),plt.imshow(np.flip(img,axis = 2)),plt.axis('off'),plt.title('original_img')
plt.subplot(852),plt.imshow(hsv),plt.axis('off'),plt.title('HSV')
plt.subplot(8,5,3),plt.imshow(np.flip(show_red_add,axis = 2)), plt.axis('off'),plt.title('show_red_add')  # show_red_add
plt.subplot(8,5,4),plt.imshow(np.flip(show_yellow_add,axis = 2)), plt.axis('off'),plt.title('show_yellow_add')# show_yellow_add
plt.subplot(8,5,5),plt.imshow(np.flip(show_green,axis = 2)), plt.axis('off'),plt.title('show_green')# show_green
plt.subplot(8,5,8),plt.imshow(red_add_mask, cmap='gray'), plt.axis('off'),plt.title('red_add_mask')# red_add_mask
plt.subplot(8,5,9),plt.imshow(yellow_add_mask, cmap='gray'), plt.axis('off'),plt.title('yellow_add_mask')# mask_yellow
plt.subplot(8,5,10),plt.imshow(mask_green_like, cmap='gray'), plt.axis('off'),plt.title('mask_green_like')# mask_green_like

结果

（信号灯七）综合版本-使用HSV颜色空间将类绿色、红色和黄色区域分别二值化相关推荐

AR学习笔记（七）：阈值二值化优化与颜色分割的优化
AR学习笔记(七):阈值二值化优化与颜色分割的优化阈值二值化的优化当前方案图像预处理阈值二值化优化方案 otsu法顶帽变换分块阈值法颜色分割的优化当前方案优化方案 HSV模型分割 ...
Python使用openCV把原始彩色图像转化为灰度图、使用OpenCV把图像二值化（仅仅包含黑色和白色的简化版本）、基于自适应阈值预处理（adaptive thresholding）方法
Python使用openCV把原始彩色图像转化为灰度图.使用OpenCV把图像二值化(仅仅包含黑色和白色的简化版本).基于自适应阈值预处理(adaptive thresholding)方法目录
图像二值化后提边缘效果不好？那是你不会用HSV色彩空间
作者:RayChiu_Labloy 版权声明:著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处我们平时在做图像边缘提取的时候一般经常在RGB空间做图像二值化然后阈值处理后提取边缘, ...
根据HSV阈值对图像二值化
//蓝色的HSV范围int iLowH = 100;int iHighH = 124;int iLowS = 43;int iHighS = 255;int iLowV = 46;int iHighV ...
Python-OpenCV 处理图像（六）(七)（八）：对象识别图像灰度化处理图像二值化处理
为了加快处理速度,在图像处理算法中,往往需要把彩色图像转换为灰度图像. 0x00. 灰度图灰度数字图像是每个像素只有一个采样颜色的图像,这类图像通常显示为从最暗黑色到最亮的白色的灰度. 灰度图像与黑 ...
如何利用Matlab制作色卡,（七）用matlab生成二值化图和24色卡
[code]%生成4个半径依次为10,30,50,100的圆 clc; clear; close all; I = zeros(256,256); %定义一个256*256的灰度图 iter = [1 ...
Python+Opencv简易车牌识别(二)：形态学运算，HSV颜色空间筛选与图像分割
注:这是依然一个简单的车牌识别demo 1.前言在上一篇Python+Opencv简易车牌识别(一):基于HSV颜色空间的图像分割中,我们讲了如何仅基于颜色来进行简单粗暴的车牌分割.今天我们考虑对图 ...
根据HSV颜色空间识别魔方是否还原
本文方向就是想通过一张照片检测魔方是否还原,整个CSDN上找不到方法,经过探索,找到了一个还算靠谱的方法,在这里介绍给大家,同时也讲讲我当时的心路历程,测试过但最终放弃的一些方法,如果网友们有改进方 ...
六、HSV颜色空间应用实例——颜色分割提取与替换
教程汇总:python基础入门系列通过之前的章节(四.OpenCV颜色空间--HSV颜色模型),我们已经初步认识了HSV颜色空间的特性与优势,现在就来看两个典型的应用实例,颜色分割提取与颜色替换 ...

（信号灯七）综合版本-使用HSV颜色空间将类绿色、红色和黄色区域分别二值化

构建代码

执行代码

显示结果

结果

（信号灯七）综合版本-使用HSV颜色空间将类绿色、红色和黄色区域分别二值化相关推荐

最新文章

热门文章