Detection of a specific color(blue here) using OpenCV with Python?
对于许多人来说，图像处理可能看起来像是一个令人恐惧和艰巨的任务，但并不像许多人想象的那么难。在本教程中，我们将使用python在openCv中进行基本的颜色检测。
颜色如何在计算机上工作？
我们通过颜色空间或颜色模型来表示计算机上的颜色，该颜色空间或颜色模型基本上将颜色范围描述为数字元组。
除了讨论每种颜色外，我们还将讨论我们使用的最常见的颜色空间。 RGB(红色，绿色，蓝色)和HSV(色相，饱和度，值)。
RGB基本上将颜色描述为三个组成部分的元组。每个分量可以取0到255之间的值，其中元组(0，0，0)表示黑色，而(255，255，255)表示白色。例如，如果我们要在屏幕上显示一个纯蓝色像素，则R值为0，G值为0，B值为255。
以下是RGB颜色的更多示例：
| 颜色 | RGB值 |
|---|---|
| 红色 | 255、0、0 |
| 橙色 | 255 ，128，0 |
| 粉色 | 255，153， 255 |
使用HSV，像素也由3个参数表示，但取而代之的是色相，饱和度和值。但是，与RGB不同，HSV不使用原色来表示像素。而是使用色相，即像素的颜色或阴影。
饱和度是颜色的强度，其中饱和度0表示0，饱和度255是最大强度。值将说明颜色的亮或暗。
检测正确的颜色
因此，让我们首先下载将要使用的图像，
现在我们有了颜色图像，我们可以开始有趣的部分了。只需打开您喜欢的python文本编辑器或IDE，我们就可以开始。
1 2 3 4 | import cv2 import numpy as np import imutils img = cv2.imread('color2.jpg') |
在上面的代码行中，前两行处理所有导入。在第三行中，我导入了imutils模块，该模块有助于调整图像大小并查找颜色范围。在第4行中，我们打开了图像。
1 | hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) |
现在，我们将图像转换为hsv图像，因为hsv有助于区分强度和颜色。
1 2 | lower_range = np.array([110,50,50]) upper_range = np.array([130,255,255]) |
现在，我们定义要检测的蓝色的上限和下限。要找到这些限制，我们可以使用imutils库中的range-detector脚本。我们将这些值放入NumPy数组中。
1 | mask = cv2.inRange(hsv, lower_range, upper_range) |
在这里，我们实际上是使用指定的蓝色创建蒙版。遮罩仅代表图像的特定部分。在这种情况下，我们将检查hsv图像，并检查上下限之间的颜色。匹配的区域将图像设置为mask变量。
1 2 3 4 5 6 7 8 9 | cv2.imshow('image', img) cv2.imshow('mask', mask) while(True): k = cv2.waitKey(5) & 0xFF if k == 27: break cv2.destroyAllWindows() |
最后，我们可以并排显示原始图像和蒙版图像，以查看区别。如果您想了解0xFF在代码中的含义，请阅读此内容。然后，代码等待用户点击" Esc"按钮，将其退出并销毁所有要清除的窗口。
最终程序
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | import cv2 import numpy as np import imutils img = cv2.imread('color2.jpg') hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) lower_range = np.array([110,50,50]) upper_range = np.array([130,255,255]) mask = cv2.inRange(hsv, lower_range, upper_range) cv2.imshow('image', img) cv2.imshow('mask', mask) while(True): k = cv2.waitKey(5) & 0xFF if k == 27: break cv2.destroyAllWindows() |
输出量
在上面，我们看到蒙版中有几个黑点，即噪音。