作者信息：彭贯军，图像算法工程师，研究方向：机器视觉、图形图像分析等

编者按：

编者最近学习了自动光学识别设备整机采集彩色图的算法，了解了彩色图的图像分割算法。彩色图提供了更多的颜色信息，这些信息对图像分割识别提供了更多可能的处理方法。集成电路行业最近有了国家集成电路产业投资基金二期的消息，这对芯片封装测试行业是一个风口，写下这篇文章，以期给大家一点启示。

1  行业介绍

芯片封装测试行业“大基金”利好消息介绍：

什么是大基金？国内芯片产业的大金主。

“大基金”是国家集成电路产业投资基金股份有限公司的简称，是在2014年9月由工信部、财政部的指导下设立，其成立目的是为了扶持中国本土芯片产业，减少对海外的依赖。说白了，大基金就是国内芯片产业的大金主。大基金资本带动作用很强，一期总规模1387亿，最终带动超5000社会投资。

大基金二期落地在即，将撬动上w亿投资。

9月21日，国家大基金二期总裁出席2019世界制造业大会集成电路产业高峰论坛，并发表讲话。大基金二期已经募集一年多，从时间进度来看也应该差不多了，所以大基金二期很可能就在近期落地。此次2000亿，如果也按1:5的杠杆计算，将带动上w亿社会投资，一旦落地，必将掀起芯片产业新一轮建设高潮。

2  彩色图数据量化工具

为了识别特定颜色的物体，获取到颜色所对应的HSV值很重要，这里说一下获取步骤：

1、在线取色器或 传图识色，可以在这里上传特定颜色的图片，获取这些颜色对应的RGB值。

2、假设获取到的是这样的数据：#869C90,#899F92,#8A9E92,#8A9F8E，下面将其进行转换得到HSV各通道的数值范围：

rgb = '#869C90,#899F92,#8A9E92,#8A9F8E'rgb = rgb.split(',')# 转换为BGR格式，并将16进制转换为10进制
bgr = [[int(r[5:7], 16), int(r[3:5], 16), int(r[1:3], 16)] for r in rgb]# 转换为HSV格式
hsv = [list(cv2.cvtColor(np.uint8([[b]]), cv2.COLOR_BGR2HSV)[0][0]) for b in bgr]hsv = np.array(hsv)
print('H:', min(hsv[:, 0]), max(hsv[:, 0]))
print('S:', min(hsv[:, 1]), max(hsv[:, 1]))
print('V:', min(hsv[:, 2]), max(hsv[:, 2]))

尝试了这两个颜色空间转换的工具：

一个是网页制作里面的好工具传图识色：

另一个是在线取色器：

这两个工具可以在这片知乎文章中查看：

https://zhuanlan.zhihu.com/p/67930839  作者：z.defying

这里更正这篇文章的下图框选的一个小错误：

饱和度的正确理论介绍如下：饱和度是指色彩的鲜艳程度，也称色彩的纯度。饱和度取决于该色中含色成分和消色成分（灰色）的比例。含色成分越大，饱和度越大；消色成分越大，饱和度越小。纯的颜色都是高度饱和的，如鲜红，鲜绿。混杂上白色，灰色或其他色调的颜色，是不饱和的颜色，如绛紫，粉红，黄褐等。完全不饱和的颜色根本没有色调，如黑白之间的各种灰色。

从下图可以看出，饱和度为0不表示白色。

这里推出这个测试RGB到HSV颜色空间数值对应数值关系的小工具：HSV_RGB转换工具，来选择正确的hsv范围即可解决彩色图分割问题。（文末大礼包含源码）

3  具体案例学习彩色图分割算法

Correct HSV InRange Values for 'Red' Objects

opencvansw论坛的帖子介绍：

我使用OpenCV 2.4.6来检测图像中主要是绿灰色的白色物体。(见下图)。

我已经把这张图片转换成HSV格式，这些白色的物体(房子)被转换成红橙色的等效物。我一直试图找到这些红橘色覆盖的值，这样我就可以检测对象。

然而，试图通过实验来找到范围并没有起作用——到目前为止，它在190到255范围内已经产生了一些结果。

我发现有网上说阈值可为0到10，或者110到140，但是其他消息说OpenCV中的HSV取值范围仅为0到180。

我如何仍然得到适合的参数?如何检测HSV平面上的红色?

有背景噪音，如道路等，这不是很重要，我只是想找出'正确'范围内值。

以下是我目前的代码片段:

Imgproc.cvtColor(src, dest, Imgproc.COLOR_RGB2HSV);
Highgui.imwrite(outputFilename + "HSV.png", dest);
List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
Core.inRange(dest, new Scalar(190, 0, 0), new Scalar(256, 256, 256), dest);
Highgui.imwrite(outputFilename + "Filter.png", dest);

核心解答：

HSV-是柱状坐标系统，这就是为什么红色有不同的分界点，因为对于红色你可以看到两个色调范围，像165-179和0-10。因此，为了分割红色，只需应用inrange()在这两个具有不同目标图像的范围，并将结果相加，得到完整的红色范围。

从上面可以看出他使用的是：inRange()函数，并且使用的仍然是BGR的取值范围。

而在 OpenCV 中 HSV 三个分量的范围为：

H = [0,179]

S = [0,255]

V = [0,255]

inRange()函数作用：可实现二值化功能（这点类似threshold()函数），对于单通道数组，如果一幅灰度图像的某个像素的灰度值在指定的高、低阈值范围之内，则在dst图像中令该像素值为255，否则令其为0，这样就生成了一幅二值化的输出图像。三通道及多通道以此类推。

下面来看看inRange()函数的定义：

void inRange(InputArray src, InputArray lowerb,

InputArray upperb, OutputArray dst);

参数解释：

参数1：输入要处理的图像，可以为单通道或多通道。

参数2：包含下边界的数组或标量。

参数3：包含上边界数组或标量。

参数4：输出图像，与输入图像src 尺寸相同且为CV_8U 类型。

请注意：该函数输出的dst是一幅二值化之后的图像。

原文链接：https://blog.csdn.net/sinat_36264666/article/details/78057256

HSV_RGB转换工具的源码解读

#define HUEMAX 179

什么是define：宏定义，简单的理解就是替换，其实这也是本质。如果熟悉g++编译过程的话，会了解到一个概念叫做预处理，就是在编译之前做个处理。这个过程并不像编译那么复杂，就是简单的递归替换和删除。替换的就是宏定义和include文件，删除注释。

在 OpenCV 中 HSV 三个分量的范围为：

• H = [0,179]

• S = [0,255]

• V = [0,255]

参考文章链接：c++define的用法 - 枫影竹韵 - 博客园

HSV.create(390, 640, CV_8UC3);

cv::Mat::create()函数的作用就很清楚了，创建一个指定大小(Size)，指定类型 type(CV_8UC1,CV_16SC1,CV_32FC3)的图像矩阵的矩阵体。

详细说明:

1)关于cv::Mat。我们都知道它有两大特点：

a)不必在手动为其开辟空间

b)不必再不需要时立即将空间释放

2)但是，我们还是必须清楚的知道,cv::Mat是一个矩阵图像类，它的确有两部分组成:

a)矩阵头:包含矩阵的尺寸、存储方法、存储地址等信息和一个指向存储图像中所有像素的矩阵体

b)矩阵体

3)请看下面的代码：

cv::Mat srcImg;
cv::Mat dstImg;

我们在写代码的时候，需要清楚的知道，上面这两句代码仅仅创建了图像矩阵的信息头部分，并没有创建矩阵体！

参考文章链接：https://blog.csdn.net/CYJ2014go/article/details/78428281

HSV.setTo(Scalar(200, 0, 200));

一个Mat src，想将他的值全部设置成0，则可以src.setTo(0);

src.setTo(0,src < 10);这句话的意思是，当src中的某个像素值小于10的时候，就将该值设置成0;

src.setTo(dst,src < 10);这里的意思是，对于src中的像素值，当其值小于10的时候，就将该值用dst中相应位置的值进行替换。

参考文章链接：opencv setTo（） - 任重道远-HSY - 博客园

createTrackbar("Hue", window_name, &H, HUEMAX, onTrackbar_changed);

createTrackbar是Opencv中的API，其可在显示图像的窗口中快速创建一个滑动控件，用于手动调节阈值，具有非常直观的效果。具体定义如下：

CV_EXPORTS int createTrackbar(const string& trackbarname, const string& winname,int* value, int count,TrackbarCallback onChange = 0,void* userdata = 0);

形式参数一、trackbarname：滑动空间的名称；

形式参数二、winname：滑动空间用于依附的图像窗口的名称；

形式参数三、value：初始化阈值；

形式参数四、count：滑动控件的刻度范围；

形式参数五、TrackbarCallback是回调函数，其定义如下：

typedef void (CV_CDECL *TrackbarCallback)(int pos, void* userdata);

参考文章链接：https://blog.csdn.net/mysee1989/article/details/41379817

c = waitKey(20);

waitKey函数用于显示的延迟。例如，waitKey(0)将无限显示窗口，直到按下任意按键退出延迟事件（适用于显示图像）。如果delay大于0，例如，waitKey(25)将每隔至少25ms显示视频的一帧图像（适用于显示视频帧），如果要按键退出，则需要将waitKey(25)与一个按键值（ASCII码）比较。

参考文章链接：https://blog.csdn.net/mars_xiaolei/article/details/91362997

if ((char)c == 27)

（char）是强制转换成字符类型。即把变量i强制转换成字符类型char。还有个自动类型转换，具体的内容要看你用什么语言。比如你用的是java，c,c++等，低精度的类型可以自动转换成高精度的，反之不行，就要用到强制转换了。

Char(“27”) : Pause break

参考文章链接：https://blog.csdn.net/qq_30054961/article/details/82463748

line(roi1, p1, p2, Scalar(255, 255, 255), 1, LINE_AA, 0);

void line(Mat& img, Point pt1, Point pt2, const Scalar& color, int thickness=1, int lineType=8, int shift=0)

参数：

img: 要绘制线段的图像。

pt1: 线段的起点。

pt2: 线段的终点。

color: 线段的颜色，通过一个Scalar对象定义。

thickness: 线条的宽度。

lineType: 线段的类型。可以取值8， 4， 和CV_AA， 分别代表8邻接连接线，4邻接连接线和反锯齿连接线。默认值为8邻接。为了获得更好地效果可以选用CV_AA(采用了高斯滤波)。

shift: 坐标点小数点位数。

参考文章链接：https://blog.csdn.net/weixin_36340947/article/details/77095924

putText(HSV, name, Point(460, 155), FONT_HERSHEY_SIMPLEX, .7, Scalar(5, 255, 255), 2, 8, false);

void cv::putText(cv::Mat& img, // 待绘制的图像const string& text, // 待绘制的文字cv::Point origin, // 文本框的左下角int fontFace, // 字体 (如cv::FONT_HERSHEY_PLAIN)double fontScale, // 尺寸因子，值越大文字越大cv::Scalar color, // 线条的颜色（RGB）int thickness = 1, // 线条宽度int lineType = 8, // 线型（4邻域或8邻域，默认8邻域）bool bottomLeftOrigin = false // true='origin at lower left');

opencv支持的文字字体有以下几种：

另外，我们在实际绘制文字之前，还可以使用cv::getTextSize()接口先获取待绘制文本框的大小，以方便放置文本框。

参考文章链接：https://blog.csdn.net/zqx951102/article/details/86499777

回复‘颜色空间 ’可以得到如下源码大礼包，还有猫狗大战的4千张图像数据。

参考资料：

https://zhuanlan.zhihu.com/p/93255329

Correct HSV InRange Values for 'Red' Objects

https://zhuanlan.zhihu.com/p/67930839

土盐AI，致力于建设AIers在前进路上的茶馆驿站，提供个性化的带刺鱼汤。

可以在 本公众号后台 回复关键词“ 颜色空间 ”获得本文的示例代码与文件。