Python OpenCV基于HSV的颜色分割实现示例
前言
一周没有更新博客了，这一周的时间内加强了对机器学习和图像处理的学习。学的有点混乱，有必要记录一下。
深度学习可以解决很多问题，但有时候深度学习和图像处理相结合才能有更好的效果：比如，在进行交通信号灯检测时，用目标检测模型确定信号灯位置后，对信号灯进行颜色分割再识别可大大提高准确率。
机器学习领域中有句话：数据和特征决定了模型的上限，而算法只不过是逼近这个上限而已，所以了解机器学习的常用算法，熟悉机器学习中的特征工程是很有必要的。
1、什么是HSV
我们知道RGB颜色模式，通过不同的配比可以形成不同的颜色。HSV也是一种颜色模式，其模型如图所示
通过图示我们也能够看到，他和RGB颜色模型相似，也是由三个属性决定颜色，H、S、V分别是色彩、深度、明暗，按着图中方向的变化，其对应的颜色也会改变，三者也同样是有取值范围的：
- H（色调）：用角度度量，取值范围为0°～360°
- S（饱和度）：表示颜色接近光谱色的程度。通常取值范围为0%～100%，值越大，颜色越饱和。
- V（明度）：表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。
HSV空间中三个指标相互独立，能够非常直观的表达色彩的明暗，色调，以及鲜艳程度，方便进行颜色之间的对比，所以经常在HSV中进行颜色的分割识别。在HSV中各个颜色的范围见下表
2、代码实战
从网上下载了一张交通信号灯的图片，如图
我们的目的是进行颜色分割，将我们感兴趣的区域提取出来以方便下一步的操作。
2.1 createTrackbar使用方法及步骤
在开始实际操作之前，来了解一下createTrackbar。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。可以直接观察阈值选择的效果，并确定想要的阈值。
使用Trackbar我们要了解两个函数；
（1）创建滑动条函数
一个滑动条只能用于一个参数，如果需要改变多个参数，可以使用多个滑动条。
cv2.createTrackbar(trackbarName, windowName, value, count, onChange)
各参数意义：
trackbarName：滑动空间的名称；
windowName：滑动空间用于依附的图像窗口的名称；
value：初始化阈值；
count：滑动控件的刻度范围；最小值默认为0。
onChange：回调函数（所谓回调函数即每次修改滑动条后，需要传入新变量的函数）的名称，其定义如下：
onchange：void foo（int，void*）。
其中第一个参数是滑动条位置，第二个参数是用户数据（请参见下一个参数）。如果回调是空指针，则不调用回调，但只更新值
用户数据：按原样传递给回调的用户数据。它可以用来处理滑动条事件而不使用全局变量。
（2）获取滑动条的值函数
cv.getTrackbarPos获取滑动条位置处的值
g = cv2.getTrackbarPos(trackbarName2, windowName) #第一个参数为滑动条1的名称，第二个参数为窗口的名称。
注意：需要在回调函数内部采用函数cv.getTrackbarPos获取滑动条位置处的值，不然如果存在多个滑动条时，函数无法获取更新后的参数值。
2.2 代码详解
import cv2
# 滑动条的回调函数，获取滑动条位置处的值
def empty(a):
h_min = cv2.getTrackbarPos("Hue Min","TrackBars")
h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")
s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")
s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")
v_min = cv2.getTrackbarPos("Val Min", "TrackBars")
v_max = cv2.getTrackbarPos("Val Max", "TrackBars")
print(h_min, h_max, s_min, s_max, v_min, v_max)
return h_min, h_max, s_min, s_max, v_min, v_max
path = 'Resources/11.jpg'
# 创建一个窗口，放置6个滑动条
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,240)
cv2.createTrackbar("Hue Min","TrackBars",0,179,empty)
cv2.createTrackbar("Hue Max","TrackBars",19,179,empty)
cv2.createTrackbar("Sat Min","TrackBars",110,255,empty)
cv2.createTrackbar("Sat Max","TrackBars",240,255,empty)
cv2.createTrackbar("Val Min","TrackBars",153,255,empty)
cv2.createTrackbar("Val Max","TrackBars",255,255,empty)
while True:
img = cv2.imread(path)
imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
# 调用回调函数，获取滑动条的值
h_min,h_max,s_min,s_max,v_min,v_max = empty(0)
lower = np.array([h_min,s_min,v_min])
upper = np.array([h_max,s_max,v_max])
# 获得指定颜色范围内的掩码
mask = cv2.inRange(imgHSV,lower,upper)
# 对原图图像进行按位与的操作，掩码区域保留
imgResult = cv2.bitwise_and(img,img,mask=mask)
cv2.imshow("Mask", mask)
cv2.imshow("Result", imgResult)
cv2.waitKey(1)
其实在交通信号灯检测中，我们只需要获得掩码（mask图像）就可以进行识别了。
3、总结
颜色分割在很多场景都可以用到，结合深度学习会有更好的效果。后续将记录如何进行字符分割。字符分割的应用场景和思路应用同样广泛，更多关于Python OpenCV HSV颜色分割的资料请关注脚本之家其它相关文章！
相关文章
本文主要介绍了Pandas中datetime数据类型的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2023-12-12
这篇文章主要介绍了django框架中间件原理与用法,结合实例形式详细分析了Django框架常用中间件与基本使用技巧,需要的朋友可以参考下2019-12-12
今天小编就为大家分享一篇python抽取指定url页面的title方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-05-05
Python写的Discuz7.2版faq.php注入漏洞工具
这篇文章主要介绍了Python写的Discuz7.2版faq.php注入漏洞工具,全自动的一款注入工具,针对Discuz7.2版,需要的朋友可以参考下2014-08-08
这篇文章主要介绍了使用多线程改进flask案例，线程是指进程内的一个执行单元,也是进程内的可调度实体.线程的划分尺度小于进程，使得多线程程序的并发性高，更多具体内容，需要的小伙伴可以参考下面文章相关资料，希望对你有所帮助2022-03-03
今天小编就为大家分享一篇在Tensorflow中实现梯度下降法更新参数值，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
这篇文章主要为大家详细介绍了如何使用Python和Selenium库构建一个自动化图像引擎,能够根据指定参数自动截取网页快照,并将生成的图片存储到云端,需要的可以参考下2024-12-12
切片操作非常灵活,可以按照需要获取列表中的任意一段元素,本文主要介绍了python list 切片倒着取的实现示例,具有一定的参考价值,感兴趣的可以了解一下2024-01-01
今天小编就为大家分享一篇Python 实现两个列表里元素对应相乘的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
本文主要介绍了python遗传算法之geatpy的深入理解，主要从geatpy中的各种数据结构一步一步进行学习，具有一定的参考价值，感兴趣的可以了解一下2022-04-04
最新评论