【openCV边缘检测】用传统方法实现边缘检测（二）色彩空间
Gitee地址：https://gitee.com/jzhou955/edge_detection.git
欢迎star or fork。
项目需求
- 检测图片中特定部分的轮廓。
- 单纯用边缘提取算子处理图片得到的效果并不理想。由于图片边缘两边的颜色差异较大，考虑用色域分离的方法进行边缘提取。
项目记录
RGB：
- RGB 是我们接触最多的颜色空间，由三个通道表示一幅图像，分别为红色(R )，绿色(G)和蓝色(B)。这三种颜色的不同组合可以形成几乎所有的其他颜色。
- RGB 颜色空间是图像处理中最基本、最常用、面向硬件的颜色空间，比较容易理解。
- RGB 颜色空间利用三个颜色分量的线性组合来表示颜色，任何颜色都与这三个分量有关，而且这三个分量是高度相关的，所以连续变换颜色时并不直观，想对图像的颜色进行调整需要更改这三个分量才行。
- 自然环境下获取的图像容易受自然光照、遮挡和阴影等情况的影响，即对亮度比较敏感。而 RGB 颜色空间的三个分量都与亮度密切相关，即只要亮度改变，三个分量都会随之相应地改变，而没有一种更直观的方式来表达。
- 但是人眼对于这三种颜色分量的敏感程度是不一样的，在单色中，人眼对红色最不敏感，蓝色最敏感，所以 RGB 颜色空间是一种均匀性较差的颜色空间。如果颜色的相似性直接用欧氏距离来度量，其结果与人眼视觉会有较大的偏差。对于某一种颜色，我们很难推测出较为精确的三个分量数值来表示。
- 所以，RGB 颜色空间适合于显示系统，却并不适合于图像处理。
HSV：
- 在 HSV 颜色空间下，比 BGR 更容易跟踪某种颜色的物体，常用于分割指定颜色的物体。
- HSV 表达彩色图像的方式由三个部分组成：
- Hue（色调、色相）
- Saturation（饱和度、色彩纯净度）
- Value（明度）
- 用下面这个圆柱体来表示 HSV 颜色空间，圆柱体的横截面可以看做是一个极坐标系 ，H 用极坐标的极角表示，S 用极坐标的极轴长度表示，V 用圆柱中轴的高度表示。
- Hue 用角度度量，取值范围为0～360°，表示色彩信息，即所处的光谱颜色的位置，表示如下：
- 颜色圆环上所有的颜色都是光谱上的颜色，从红色开始按逆时针方向旋转，Hue=0 表示红色，Hue=120 表示绿色，Hue=240 表示蓝色等等。
- 在 GRB中 颜色由三个值共同决定，比如黄色为即 (255,255,0)；在HSV中，黄色只由一个值决定，Hue=60即可。
- HSV 圆柱体的半边横截面（Hue=60）：
其中水平方向表示饱和度，饱和度表示颜色接近光谱色的程度。饱和度越高，说明颜色越深，越接近光谱色饱和度越低，说明颜色越浅，越接近白色。饱和度为0表示纯白色。取值范围为0～100%，值越大，颜色越饱和。竖直方向表示明度，决定颜色空间中颜色的明暗程度，明度越高，表示颜色越明亮，范围是 0-100%。明度为0表示纯黑色（此时颜色最暗）。
可以通俗理解为：在Hue一定的情况下，饱和度减小，就是往光谱色中添加白色，光谱色所占的比例也在减小，饱和度减为0，表示光谱色所占的比例为零，导致整个颜色呈现白色。明度减小，就是往光谱色中添加黑色，光谱色所占的比例也在减小，明度减为0，表示光谱色所占的比例为零，导致整个颜色呈现黑色。
HSV 对用户来说是一种比较直观的颜色模型。我们可以很轻松地得到单一颜色，即指定颜色角H，并让V=S=1，然后通过向其中加入黑色和白色来得到我们需要的颜色。增加黑色可以减小V而S不变，同样增加白色可以减小S而V不变。例如，要得到深蓝色，V=0.4 S=1 H=240度。要得到浅蓝色，V=1 S=0.4 H=240度。
HSV 的拉伸对比度增强就是对 S 和 V 两个分量进行归一化(min-max normalize)即可，H 保持不变。
RGB颜色空间更加面向于工业，而HSV更加面向于用户，大多数做图像识别这一块的都会运用HSV颜色空间，因为HSV颜色空间表达起来更加直观！
参考链接：
- 三分钟带你快速学习RGB、HSV和HSL颜色空间.
- 在OpenCV + Python中使用色彩空间进行图像分割.
- 利用openCV+python进行HSV颜色识别.
OpenCV函数解析
cv.cvtColor
- cv2.cvtColor(image, code, dst, dstCn)。
- 将输入图像从一个色彩空间转换到另一个色彩空间。在处理RGB图像时要注意色彩通道的顺序(RGB或BGR)。opencv中的默认色彩空间实际是BGR，但是常常以RGB提及。
- 我们可以将四个参数传递给CVTColor()方法。在四个参数中，前2(图像和代码)是强制性的;休息(DST和DSTCN)是可选的。
- 必要的参数是：
- image：n维数组的源/输入图像。
- code：颜色空间的转换代码。
- 可选参数是：
- dst:输出与源相同大小和深度的图像。
- dstCn:目标图像中的通道数。如果将参数置为0，则会自动从图像和代码获取通道的数量。
- 如果对8-bit images使用cvtColor()函数，转换会丢失部分信息，一般不明显。推荐先将图像转换成32-bit images，再进行色彩空间转换，最后再把图像转换成8-bit images。
- 如果转换后添加了透明通道，其值会被设置为对应通道取值范围的最大值（255 for CV_8U, 65535 for CV_16U, 1 for CV_32F）。
cv.inRange
- cv2.inRange(src, lower_bound, upper_bound)。
- 可以提取想要的颜色并把该颜色的区域设置为白色，其余的设置为黑色。
- 原理为输入图像中，该函数会扫描图片的每个像素的值。如果相对应的像素值都在两个输入数组相对应的数值内，那么这个像素会被设置为白色（255）。否则就会设置为黑色（0）。
- 请注意：该函数输出的dst是一幅二值化之后的图像。
cv.bitwise_and
- bitwise_and(src1, src2, dst=None, mask=None)。
- src1、src2：为输入图像或标量，标量可以为单个数值或一个四元组
- dst：可选输出变量，如果需要使用非None则要先定义，且其大小与输入变量相同
- mask：图像掩膜，可选参数，为8位单通道的灰度图像，用于指定要更改的输出图像数组的元素，即输出图像像素只有mask对应位置元素不为0的部分才输出，否则该位置像素的所有通道分量都设置为0。返回值为结果图像矩阵，如果dst传入了实参，则返回值与dst对应 实参相同。
- 输入图像与输入图像在掩模条件下按位与，得到掩模范围内的原图：img_specifiedColor=cv.bitwise_and(img,img,mask=img_yellow)
相关代码
def colorMask(img):img = cv.cvtColor(img, cv.COLOR_BGR2RGB)hsv_img = cv.cvtColor(img, cv.COLOR_RGB2HSV)light_orange = (11,43,46)dark_orange = (25,255,255)light_white = (0,0,0)dark_white = (180,255,46)orange_mask = cv.inRange(hsv_img,light_orange,dark_orange)white_mask = cv.inRange(hsv_img,light_white,dark_white)mask = orange_mask+white_mask# mask = white_mask# cv.imwrite('/Users/vine/Desktop/2mask.jpg', mask)return mask
def colorMask2(img):#转变为HSV颜色空间# img_hsv=cv.cvtColor(img,cv.COLOR_BGR2HSV)#返回黄色区域的二值图像# img_yellow=cv2.inRange(img_original,(100,43,46),(125,255,255)) # 蓝色img_yellow=cv.inRange(img,(0,0,0),(180,255,46)) # 黑色# img_yellow=cv2.inRange(img_original,(0,43,46),(10,255,255)) # 红色# img_yellow=cv2.inRange(img_original,(0,43,46),(34,255,255)) # 红色##输入图像与输入图像在掩模条件下按位与，得到掩模范围内的原图像img_specifiedColor=cv.bitwise_and(img,img,mask=img_yellow)# cv.imwrite('/Users/vine/Desktop/colorMask11.jpg', img_specifiedColor)return img_specifiedColor
【openCV边缘检测】用传统方法实现边缘检测（二）色彩空间相关推荐
- OpenCV入门（四）——边缘检测
目录 0x01 梯度算子 0x02 一阶微分算子 0x03 二阶微分算子 0x04 图像差分运算 0x05 非极大值抑制 0x06 基本边缘算子--Sobel 0x07 基本边缘算子--Laplace ...
- python边缘检测代码_python Canny边缘检测算法的实现
图像边缘信息主要集中在高频段,通常说图像锐化或检测边缘,实质就是高频滤波.我们知道微分运算是求信号的变化率,具有加强高频分量的作用.在空域运算中来说,对图像的锐化就是计算微分.对于数字图像的离散信号, ...
- 用matlab进行边缘检测,用Matlab进行边缘检测
用Lena标准检测图像,图像与代码下面注明了是哪张图像. 一.没有噪声时的检测结果 1 原始图像 2 Sobel算子边缘检测 3 Prewitt算子边缘检测 4 Roberts算子边缘检测 5 Lap ...
- OpenCV读写视频文件解析（二）
OpenCV读写视频文件解析(二) VideoCapture::set 设置视频捕获中的属性. C++: bool VideoCapture::set(int propId, double value ...
- 在OpenCV环境下写的灰度图像二维傅里叶换,幅值计算,频谱平移和将数值归一化到0到255区间的四个函数
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 灰度图像的二维傅里叶变换(cv_gray_fft ...
- OpenCV学习笔记（五十一）——imge stitching图像拼接stitching OpenCV学习笔记（五十二）——号外：OpenCV 2.4.1 又出来了。。。。。 OpenCV学习笔记（五
OpenCV学习笔记(五十一)--imge stitching图像拼接stitching stitching是OpenCV2.4.0一个新模块,功能是实现图像拼接,所有的相关函数都被封装在Stitch ...
- OpenCV学习笔记（四十一）——再看基础数据结构core OpenCV学习笔记（四十二）——Mat数据操作之普通青年、文艺青年、暴力青年 OpenCV学习笔记（四十三）——存取像素值操作汇总co
OpenCV学习笔记(四十一)--再看基础数据结构core 记得我在OpenCV学习笔记(四)--新版本的数据结构core里面讲过新版本的数据结构了,可是我再看这部分的时候,我发现我当时实在是看得太马 ...
- OpenCV学习笔记（三十一）——让demo在他人电脑跑起来 OpenCV学习笔记（三十二）——制作静态库的demo，没有dll也能hold住 OpenCV学习笔记（三十三）——用haar特征训练自己
OpenCV学习笔记(三十一)--让demo在他人电脑跑起来 这一节的内容感觉比较土鳖.这从来就是一个老生常谈的问题.学MFC的时候就知道这个事情了,那时候记得老师强调多次,如果写的demo想在人家那 ...
- 【OpenCV 例程200篇】73. 二维连续傅里叶变换
[OpenCV 例程200篇]73. 二维连续傅里叶变换 欢迎关注 『OpenCV 例程200篇』 系列,持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列,持续更新中 2.1 二维 ...
- Jetson Nano 从入门到实战（转载）（案例：Opencv配置、人脸检测、二维码检测）
目录 1. Jetson Nano简介 2. Jetson Nano环境配置 2.1 开箱配件介绍 2.2 烧录系统 2.3 开机和基本设置 2.4 开发环境配置 2.4.1 更新源和软件 2.4.2 ...
最新文章
- Spec Explorer 工具学习
- python编写爬虫的步骤-用Python编写一个简单的爬虫
- Chrome——我的Chrome插件
- linux 找不到php命令,bash scp:未找到命令的解决方法
- 【参与开源】J2EE开源项目JEECG快速开发平台，欢迎广大技术爱好者参与
- Raft -【go一致性算法】
- ES6-ES11新特性_ECMAScript相关名词介绍_---JavaScript_ECMAScript工作笔记002
- MQ队列管理器_PMTS命令
- ProgressBar 圆形进度条
- 一篇文章带你用Python网络爬虫实现网易云音乐歌词抓取
- mac版docker配置加速
- 吉林大学计算机学院控制与应用实验室,2019计算机考研吉林大学国家物联网虚拟仿真实验教学中心简...
- 中文转拼音全拼和首字母
- 二级分销系统对企业来说意味着什么？
- uniapp如何分享文件到微信 文件分享
- oracle 按照固定顺序排序
- Android高德地图踩坑记录-内存泄漏问题
- Tomcat7 配置Https双向证书认证
- Akka 指南 之「消息传递可靠性」
- elasticsearch 安装配置