使用色彩追踪和形态学运算得到图像中感兴趣区域

色彩追踪简介：在RGB图像中，我们感兴趣的部分往往具有趋于一致的颜色，我们想得到感兴趣部分时，可以考虑先找到特定颜色的区域。比如说有一张风景照，我们对蓝天白云（其它部分不是蓝色）感兴趣，我们考虑使用色彩追踪算法追踪图像中的蓝色和白色，得到原图的蓝色和白色区域。

关于色彩追踪算法的详细说明请查看以下链接

色彩追踪讲解

色彩追踪算法产生的掩膜中白色部分含一些黑色小点，使用掩膜直接作用于图像的话，效果不理想（如图1）。学习图像处理的过程中，我们知道，使用图像形态学处理之闭运算（先膨胀，后腐蚀）能够有效地消除掩膜中这些小黑点，我们做此运算。

关于图像形态学处理的详细说明请查看以下链接

膨胀和腐蚀算法讲解
图像开闭运算讲解
图像形态学处理 opencv实现

图1：

实验：使用色彩追踪算法生成掩膜 + 图像形态学处理闭运算去噪 = 提取到的蓝色天空

实验原图：

实验结果：

实验源码 python

import cv2
import numpy as np
import matplotlib.pyplot as plt# BGR -> HSV
def BGR2HSV(_img):img = _img.copy() / 255.hsv = np.zeros_like(img, dtype=np.float32)# get max and minmax_v = np.max(img, axis=2).copy()min_v = np.min(img, axis=2).copy()min_arg = np.argmin(img, axis=2)# Hhsv[..., 0][np.where(max_v == min_v)]= 0## if min == Bind = np.where(min_arg == 0)hsv[..., 0][ind] = 60 * (img[..., 1][ind] - img[..., 2][ind]) / (max_v[ind] - min_v[ind]) + 60## if min == Rind = np.where(min_arg == 2)hsv[..., 0][ind] = 60 * (img[..., 0][ind] - img[..., 1][ind]) / (max_v[ind] - min_v[ind]) + 180## if min == Gind = np.where(min_arg == 1)hsv[..., 0][ind] = 60 * (img[..., 2][ind] - img[..., 0][ind]) / (max_v[ind] - min_v[ind]) + 300# Shsv[..., 1] = max_v.copy() - min_v.copy()# Vhsv[..., 2] = max_v.copy()return hsv# make mask
def get_mask(hsv):mask = np.zeros_like(hsv[..., 0])#mask[np.where((hsv > 180) & (hsv[0] < 260))] = 255mask[np.logical_and((hsv[..., 0] > 180), (hsv[..., 0] < 260))] = 1return mask# masking
def masking(img, mask):out = img.copy()# mask [h, w] -> [h, w, channel]mask = np.tile(mask, [3, 1, 1]).transpose([1, 2, 0])out *= maskreturn out# Erosion
def Erode(img, Erode_time=1):H, W = img.shapeout = img.copy()# kernelMF = np.array(((0, 1, 0),(1, 0, 1),(0, 1, 0)), dtype=np.int)# each erodefor i in range(Erode_time):tmp = np.pad(out, (1, 1), 'edge')# erodefor y in range(1, H+1):for x in range(1, W+1):if np.sum(MF * tmp[y - 1 : y + 2 , x - 1 : x + 2]) < 1 * 4:out[y-1 , x-1] = 0return out# Dilation
def Dilate(img, Dil_time=1):H, W = img.shape# kernelMF = np.array(((0, 1, 0),(1, 0, 1),(0, 1, 0)), dtype=np.int)# each dilate timeout = img.copy()for i in range(Dil_time):tmp = np.pad(out, (1, 1), 'edge')for y in range(1, H+1):for x in range(1, W+1):if np.sum(MF * tmp[y - 1 : y + 2, x - 1 : x + 2]) >= 1:out[y-1 , x-1] = 1return out# Opening morphology
def Morphology_Opening(img, time=1):out = Erode(img, Erode_time=time)out = Dilate(out, Dil_time=time)return out# Closing morphology
def Morphology_Closing(img, time=1):out = Dilate(img, Dil_time=time)out = Erode(out, Erode_time=time)return out# Read image
img = cv2.imread("../lantian.jpg").astype(np.float32)# RGB > HSV
hsv = BGR2HSV(img)# color tracking
mask = get_mask(hsv)# closing
mask = Morphology_Closing(mask, time=2)# opening
mask = Morphology_Opening(mask, time=0)# masking
out = masking(img, mask)out = out.astype(np.uint8)# Save result
cv2.imwrite("out.jpg", out)
cv2.imshow("result", out)
cv2.waitKey(0)
cv2.destroyAllWindows()

感谢您的阅读，帮忙点个赞再走呗！

使用色彩追踪和形态学运算得到图像中感兴趣区域相关推荐

【QtOpenCV 图像的感兴趣区域ROI】
图像的ROI(region of interest)是指图像中感兴趣区域.在OpenCV中图像设置图像ROI区域,实现只对ROI区域操作. 文章目录前言一.GUI 二.实现代码 1.Rubber ...
活动作品计算机视觉课程第七讲-带你简单快速学习2021年春晚背后刘德华与背景分离切换到另一场景视觉算法（中集）：OpenCV4图像分割提取图像任意感兴趣区域
计算机视觉课程第七讲-带你简单快速学习2021年春晚背后刘德华与背景分离切换到另一场景视觉算法(中集):OpenCV4图像分割提取图像任意感兴趣区域本专栏将会带大家学习 <计算机视觉与图形学& ...
OpenCV学习记录（三）：简单的使用图像掩膜提取图像中感兴趣对象
OpenCV中给出了很多种提取对象特征的方法. 从简单的图像色块>图像阈值分割>轮廓查找>特征点检测>直方图检测等等有很多.这些简单的方法看似没有什么实际的场景可以直接拿来使用 ...
选择图像的“感兴趣区域”
我们在前面的文章<图像的颜色选择>中提到,如下的行车图像,要提取黄色和白色的车道线,通过颜色选择,分别得到了黄颜色的区域和白颜色的区域. 下图分别是原始行车图像,白颜色位置图像,黄颜色位置 ...
Halcon图像预处理-感兴趣区域（ROI）
文章目录前言一.ROI的意义二.创建ROI 1.ROI实现 2.示例总结前言 ROI是Halcon中的一个很重要的概念,为了减少计算量,只关注待检测物体或该物体周围的一片区域即可,ROI就是 ...
乳腺肿瘤超声图像感兴趣区域的自动识别综述
1. 研究背景与意义乳腺恶性肿瘤是女性最常见的恶性肿瘤之一,其死亡率已经超过宫颈癌死亡率,位居癌症死亡率的前五名 [d1]. 美国癌症协会的调查报告 [d2] 显示2008年全球新发乳腺癌病例达1 ...
基于matlab得图像感兴趣区域提取
对于图像感兴趣区域(ROI)的提取,一般从来两个方面着手解决:一是利用图像分割技术提取ROI:二是从人眼得视觉特征出发,通过模拟人眼得视觉特点,寻找特定得视觉敏感区域,并将这些视觉敏感区域排序作为RO ...
OpenCV实战（3）——图像感兴趣区域
OpenCV实战(3)--图像感兴趣区域 0. 前言 1. 感兴趣区域 1.1 ROI 实例 1.2 定义 ROI 2. 使用图像掩码 3. 完整代码示例小结系列链接 0. 前言在实际应用场景下 ...
使用Julia进行图像处理--使用形态学运算进行图像调整
使用Julia进行图像处理--使用形态学运算进行图像调整前言图像二值化基本运算图像侵蚀使用侵蚀分离物体准备用于文本识别的图像图像膨胀合并几乎连接的对象突出显示细节派生操作图像开运 ...

使用色彩追踪和形态学运算得到图像中感兴趣区域

关于色彩追踪算法的详细说明请查看以下链接

关于图像形态学处理的详细说明请查看以下链接

图1：

实验：使用色彩追踪算法生成掩膜 + 图像形态学处理闭运算去噪 = 提取到的蓝色天空

实验原图：

实验结果：

实验源码 python

感谢您的阅读，帮忙点个赞再走呗！

使用色彩追踪和形态学运算得到图像中感兴趣区域相关推荐

最新文章

热门文章