opencv c++ 检测红色HSV 和RGB

1，需要根据需求改下HSV三个变量的范围

if (!(((H > 0) && (H < 9)) || (H > 160) && (H < 180)&& (S >= 22 && S <= 140) /*&& (V > 80 && V < 230)*/)){imgHSV.at<Vec3b>(i, j)[0] = 0;imgHSV.at<Vec3b>(i, j)[1] = 0;imgHSV.at<Vec3b>(i, j)[2] = 0;}else {imgRGB.at<Vec3b>(i, j)[0] = 0;imgRGB.at<Vec3b>(i, j)[1] = 0;imgRGB.at<Vec3b>(i, j)[2] = 255;}}}

void redDetectHSV(Mat imgOriginal) {Mat imgHSV;Mat imgRGB = imgOriginal.clone();vector<Mat> hsvSplit;cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV); //Convert the captured frame from BGR to HSV//因为我们读取的是彩色图，直方图均衡化需要在HSV空间做Mat imgThresholded;for (int i = 0; i < imgHSV.rows; i++){for (int j = 0; j < imgHSV.cols; j++){int H = imgHSV.at<Vec3b>(i, j)[0];int S = imgHSV.at<Vec3b>(i, j)[1];int V = imgHSV.at<Vec3b>(i, j)[2];/*opencv 的H范围是0~180，红色的H范围大概是(0~8)∪(160,180)S是饱和度，一般是大于一个值,S过低就是灰色（参考值S>80)，V是亮度，过低就是黑色，过高就是白色(参考值220>V>50)。*/if (!(((H > 0) && (H < 9)) || (H > 160) && (H < 180)&& (S >= 22 && S <= 140) /*&& (V > 80 && V < 230)*/)){imgHSV.at<Vec3b>(i, j)[0] = 0;imgHSV.at<Vec3b>(i, j)[1] = 0;imgHSV.at<Vec3b>(i, j)[2] = 0;}else {imgRGB.at<Vec3b>(i, j)[0] = 0;imgRGB.at<Vec3b>(i, j)[1] = 0;imgRGB.at<Vec3b>(i, j)[2] = 255;}}}namedWindow("imgRGB", WINDOW_NORMAL);imshow("imgRGB", imgRGB); //show the thresholded imagewaitKey(0);
}void redDetectBRG(Mat src,Mat mask) {cvtColor(src, src, COLOR_BGR2RGB);Mat img = Mat(src.rows, src.cols, CV_8UC1);for (int i = 0; i < src.rows; i++){for (int j = 0; j < src.cols; j++){unsigned char *a = &(src.data[i * src.step[0] + j * src.step[1]]);if (is_red_point(&(src.data[i * src.step[0] + j * src.step[1]]))){img.data[i * src.cols + j] = 255;}else{img.data[i * src.cols + j] = 0;}}}imshow("abc", img);waitKey(0);
}

RGB

void redDetectBRG(Mat src) {cvtColor(src, src, COLOR_BGR2RGB);Mat img = Mat(src.rows, src.cols, CV_8UC1);for (int i = 0; i < src.rows; i++){for (int j = 0; j < src.cols; j++){unsigned char *a = &(src.data[i * src.step[0] + j * src.step[1]]);if (is_red_point(&(src.data[i * src.step[0] + j * src.step[1]]))){img.data[i * src.cols + j] = 255;}else{img.data[i * src.cols + j] = 0;}}}imshow("abc", img);waitKey(0);
}

opencv c++ 检测红色HSV 和RGB相关推荐

基于OpenCV的火焰检测（二）——RGB颜色判据
上文跟大家分享了在做火焰检测中常用到的图像预处理方法,从这一篇博文开始,我将向大家介绍如何一步一步地检测出火焰区域.火焰提取要用到很多判据,今天我要向大家介绍的是最简单的但是很有效的判据--RGB判 ...
OpenCV联合Image Watch使用中关于RGB和HSV转换相关知识点
在openCV开发中,为了方便调试过程观看图像,一般使用VS插件Image Watch. ImageWatch显示图片时,放到最大后,每个像素上有三个数字,从上到下依次为B.G.R通道值,如下图. 转 ...
Python OpenCv 车牌检测识别（边缘检测、HSV色彩空间判断）
Python OpenCv 车牌检测识别背景车牌识别在交通.停车等方面有着广泛应用,在网上也有很多种基于OpenCV方案进行识别,本文是综合了两种比较流行的方案,首先是提取出疑似车牌区域的轮廓,然 ...
OpenCV皮肤检测技术对比与总结
opencv做皮肤检测的技术总结.那首先列一些现在主流的皮肤检测的方法都有哪些: RGB color space Ycrcb之cr分量+otsu阈值化 YCrCb中133<=Cr<=173 ...
OpenCV实例识别红色瓶盖并框出
学完opencv和图像处理基础部分后,可以找一些实例来考察自己的掌握程度,难度一点一点上升. 要求:使用opencv,实现对图中瓶盖的提取,并画框圈出这个实例虽然简单,但也是个完整的图像识别的过程, ...
OpenCV皮肤检测方法
一:基于RGB的皮肤检测根据RGB颜色模型找出定义好的肤色范围内的像素点,范围外的像素点设为黑色. 查阅资料后可以知道,前人做了大量研究,肤色在RGB模型下的范围基本满足以下约束: 在均匀光照下应满 ...
OpenCV --- 皮肤检测技术
方法一:基于RGB的皮肤检测根据RGB颜色模型找出定义好的肤色范围内的像素点,范围外的像素点设为黑色. 查阅资料后可以知道,前人做了大量研究,肤色在RGB模型下的范围基本满足以下约束: 在均匀光照下 ...
如何使用 OpenCV Python 检测颜色
作者 | 小白来源 | 小白学视觉在这篇文章中,我们将看到如何使用 Python 中的 OpenCV 模块检测颜色,进入这个领域的第一步就是安装下面提到的模块. pip install openc ...
matlab ycrcb肤色检测,基于HSV与YCrCb颜色空间进行肤色检测的研究
862012. 10 电脑编程技巧与维护 1 引言皮肤检测是人脸检测.手势识别等任务的关键步骤.因此,如果能增加肤色识别的准确性就可以提高人脸识别.手势识别的准确性.而肤色识别的准确性又受到多种因素 ...
颜色空间模型(HSV\LAB\RGB\CMYK)
通过Photoshop的拾色器,我们知道表征颜色的模型的不止一种,本文将系统并且详细讨论这四种模型(HSV.LAB.RGB和CMYK)之间的联系以及应用. 本文部分章节整合了多位优秀博主的博客(链接见 ...

opencv c++ 检测红色HSV 和RGB

opencv c++ 检测红色HSV 和RGB相关推荐

最新文章

热门文章