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。

颜色分割

通过HSV颜色空间的操作我们可以准确的对指定颜色进行分割图像，这也是后续图像处理中会用到的一种预处理手段。

下面我们就结合一个实例来看HSV颜色分割的应用：
如下图是一个穿有红色上衣的人，我们要把衣服部分的图分割出来：

通过前面几个章节的讲解我们能够想到，可以通过观察h分量的直方图来确定这个上衣红色的取值范围，以作为我们分割的界限标准。上代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt#通过OpenCV读取图片信息
img = cv2.imread('RedShirt.jpg')
# BGR图转为HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 提取hsv中H通道数据
h = hsv[:, :, 0].ravel()
# 直方图显示
plt.hist(h, 180, [0, 180])
plt.show()

得到直方图如下：

根据HSV颜色空间模型可知红色的颜色分布在0或180附近，直方图中170到180部分出现了大量数据，由此可以确定红色的H分量上下限为170-180，至于SV的界限可以先给个30-255的初始值，具体可以在提取掩模的时候调整确定。
下面通过HSV的红色界限生成mask掩模。上代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt#通过OpenCV读取图片信息
img = cv2.imread('RedShirt.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 提取hsv中H通道数据
# h = hsv[:, :, 0].ravel()
#
# plt.hist(h, 180, [0, 180])
# plt.show()cv2.imshow("img", img)# HSV 的下界限
lower_red = np.array([170,30,30])
# HSV 的上界限
upper_red = np.array([180,255,255])# 通过上下限提取范围内的掩模mask
mask = cv2.inRange(hsv, lower_red, upper_red)cv2.imshow("mask", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下图：

可以发现，答题衣服轮廓对上了，但是有些细节不够完美，比如胳膊两侧还有些白点，这时候就要分析了，胳膊侧边的颜色更接近暗红颜色，所以可以通过提高V值的下限来滤除掉。通过不断调整测试我设定的V值在100-255。

但是发现右侧的白点已经无法通过V的调整来去除了，这个时候我们还可以采取另一种方法，对于mask这种二值化图处理，可以采用膨胀腐蚀的手段来消除独立的白点或黑点。上代码：

import cv2
import numpy as np#通过OpenCV读取图片信息
img = cv2.imread('RedShirt.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)cv2.imshow("img", img)# HSV 的下界限
lower_red = np.array([170,30,90])
# HSV 的上界限
upper_red = np.array([180,255,255])# 通过上下限提取范围内的掩模mask
mask = cv2.inRange(hsv, lower_red, upper_red)
cv2.imshow("mask", mask)# 腐蚀与膨胀处理
# 定义
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))#定义结构元素的形状和大小
#腐蚀图像
eroded = cv2.erode(mask,kernel)
#显示腐蚀后的图像
cv2.imshow("Eroded Image",eroded)# #膨胀图像
dilated = cv2.dilate(eroded,kernel)
#显示膨胀后的图像
cv2.imshow("Dilated Image",dilated)img2 = cv2.bitwise_and(img, img, mask=dilated)
cv2.imshow("img2", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

生成mask之后我们先是用腐蚀方法去除掉周边的孤立白点，但同样的衣服轮廓的白色区域边界也会被腐蚀变小，这时候可以用反向操作膨胀在填充回原来的大小

这样我们优化好的mask掩模就做好了，可以采用OpenCV的图像位运算cv2.bitwise_and()把原图与mask进行位与得到衣服的抠图：

颜色替换

通过上面的操作我们已经可以准确的分割出我们指定的颜色了，在次基础上就可以对他的颜色进行更改了，比如改成黄色，这个同样也是要在HSV颜色空间操作的，不过这次就不需要对mask进行膨胀腐蚀优化了。

import cv2
import numpy as npdef nothing(x):pass
#通过OpenCV读取图片信息
img = cv2.imread('RedShirt.jpg')
cv2.imshow("img", img)lower_red = np.array([170,30,30])
upper_red = np.array([180,255,255])cv2.namedWindow('img2')cv2.createTrackbar('H','img2',140,180,nothing)
cv2.createTrackbar('S','img2',100,180,nothing)
cv2.createTrackbar('V','img2',117,180,nothing)
rows,cols,channels = img.shapewhile(1):hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)mask = cv2.inRange(hsv, lower_red, upper_red)#将制定像素点的数据设置为0, 要注意的是这三个参数对应的值是Blue, Green, Red。h = cv2.getTrackbarPos('H', 'img2')s = cv2.getTrackbarPos('S', 'img2')v = cv2.getTrackbarPos('V', 'img2')for r in range(rows):for c in range(cols):if mask[r, c] == 255:hsv.itemset((r, c, 0), hsv.item(r, c, 0) -h)hsv.itemset((r, c, 1), hsv.item(r, c, 1) +90-s)hsv.itemset((r, c, 2), hsv.item(r, c, 2) +90-v)img2 = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)#将图像进行输出，使用show()也是可以显示的。cv2.imshow("img2", img2)k = cv2.waitKey(1)&0xFFif k == 27: #esc exitbreak#cv2.waitKey(0)
cv2.destroyAllWindows()

通过滑动H滑条我们就可以更改衣服的颜色了，同样调节SV滑条也可以更改饱和度与明度。

同样的，我们把皮肤颜色作为颜色分割替换目标也可以更改皮肤颜色，比如改成绿巨人的肤色：

六、HSV颜色空间应用实例——颜色分割提取与替换相关推荐

HSV颜色分割，RGB与HSV颜色空间的关系
1前言在图像处理中,最常用的颜色空间是RGB模型,常用于颜色显示和图像处理,三维坐标的模型形式,非常容易被理解. 而HSV模型,是针对用户观感的一种颜色模型,侧重于色彩表示,什么颜色.深浅如何.明暗 ...
基于HSV颜色空间的辅助车牌定位
HSV颜色空间(H代表色调,S即饱和度,V是亮度) 色调H 用角度度量,取值范围为0°-360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°.它们的补色是:黄色为60°,青 ...
由RGB到HSV颜色空间的理解
1. RGB模型 2. HSV模型 3. 如何理解RGB与HSV的联系 4. HSV在图像处理中的应用 5. opencv中RGB-->HSV实现在图像处理中,最常用的颜色空间是RGB模型,常 ...
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 ...
基于hsv颜色空间的图像分割
HSV颜色空间模型是倒锥形模型: 这个模型是按色调.饱和度.明暗来描述的. H值代表色调.S值代表饱和度.V值代表亮度. 在圆锥上,角度代表色调H,饱和度S表示为点到中心竖线的距离,而亮度值V用中心竖 ...
使用纯JavaCV实现颜色分割 / 轮廓提取 / 离焦 / 线性旋转变焦模糊 / 灰度化 / 标注等处理
年底冲KPI很多项目要结项,临时被拉去开发了一些"很有意思"的项目,感觉自从离开学校以后很长时间都没有再接触过图像处理领域了,有点跟熟悉的陌生人打交道的快感.这里简单记录一下相关代 ...
OpenCV通过HSV颜色空间过滤图片及目标检测颜色空间范围确定
在目标检测中,我们可以通过卷积网络进行目标检测,但实际上,卷积网络并不能完全正确.所以,我们可以通过其它方式进行筛选,比如颜色空间参考: Image Segmentation Using Color ...
【主色提取】HSV 颜色空间与 RGB 颜色空间互相转化的公式和代码
系列文章目录第二章主色提取之颜色空间转化目录系列文章目录文章目录前言一.HSV 和 RGB 颜色空间二.颜色转化 1. RGB to HSV 2. HSV to RGB 三. 完整代码 ...
opencv颜色识别python_opencv使用HSV颜色空间实现颜色识别
一.颜色空间介绍 RGB 颜色空间是大家最熟悉的颜色空间,即三基色空间,任何一种颜色都可以由该三种颜色混合而成.然而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,HSV(色调 Hue, ...

六、HSV颜色空间应用实例——颜色分割提取与替换

颜色分割

颜色替换

六、HSV颜色空间应用实例——颜色分割提取与替换相关推荐

最新文章

热门文章