基于Opencv实现颜色识别

时间:2021-04-03 人气:0

彩色模型

数字图像处理中常用的采用模型是RGB（红，绿，蓝）模型和HSV（色调，饱和度，亮度），RGB广泛应用于彩色监视器和彩色视频摄像机，我们平时的图片一般都是RGB模型。而HSV模型更符合人描述和解释颜色的方式，HSV的彩色描述对人来说是自然且非常直观的。

HSV模型

HSV模型中颜色的参数分别是：色调（H：hue），饱和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。

(1)色调（H：hue）：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

(2)饱和度（S：saturation）：取值范围为0.0～1.0，值越大，颜色越饱和。

(3)亮度（V：value）：取值范围为0(黑色)～255(白色）

RGB转成HSV

设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设 max 等价于 r, g 和 b 中的最大者。设 min 等于这些值中的最小者。要找到在 HSV 空间中的 (h, s, v) 值，这里的 h ∈ [0, 360）是角度的色相角，而 s, v ∈ [0,1] 是饱和度和亮度，方法如下：

max=max(R,G,B)

min=min(R,G,B)

if R = max, H = (G-B)/(max-min)

if G = max, H = 2 + (B-R)/(max-min)

if B = max, H = 4 + (R-G)/(max-min)

H = H * 60

if H < 0, H = H + 360

V=max(R,G,B)
S=(max-min)/max

OpenCV下有个函数可以直接将RGB模型转换为HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我们知道H分量基本能表示一个物体的颜色，但是S和V的取值也要在一定范围内，因为S代表的是H所表示的那个颜色和白色的混合程度，也就说S越小，颜色越发白，也就是越浅；V代表的是H所表示的那个颜色和黑色的混合程度，也就说V越小，颜色越发黑。经过实验，识别蓝色的取值是 H在100到140，S和V都在90到255之间。一些基本的颜色H的取值可以如下设置：

Orange 0-22，Yellow 22- 38，Green 38-75，Blue 75-130，Violet 130-160，Red 160-179

具体实现

（1）读取一张图片

cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);

（2）将彩色图像均衡化

split(imgHSV, hsvSplit);
equalizeHist(hsvSplit[2],hsvSplit[2]);
merge(hsvSplit,imgHSV);

（3）检测颜色

inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);

（4）进行开操作和闭操作，去除噪声的影响。

Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);

代码：

#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
 
using namespace cv;
using namespace std;
 
//入口主函数
int main(int argc, char** argv)
{
 //打开摄像头，从摄像头获取图像
 VideoCapture cap(0);
 if (!cap.isOpened())
 {
 cout << "Cannot open the web cam"<<endl;
 return -1;
 }
 //创建窗口
 namedWindow("Control",CV_WINDOW_AUTOSIZE);
 
 int iLowH = 100;
 int iHighH = 140;
 
 int iLowS = 90;
 int iHighS = 255;
 
 int iLowV = 90;
 int iHighV = 255;
 //创建进度条
 cvCreateTrackbar("LowH","Control",&iLowH,179);
 cvCreateTrackbar("HighH", "Control", &iHighH,179);
 
 cvCreateTrackbar("LowS", "Control", &iLowS,255);
 cvCreateTrackbar("Highs", "Control", &iHighS,255);
 
 cvCreateTrackbar("LowV", "Control", &iLowV,255);
 cvCreateTrackbar("HighV", "Control", &iHighV,255);
 //while循环加载图片
 while (true)
 {
 Mat imgOriginal;
 bool bSuccess = cap.read(imgOriginal);
  
 if (!bSuccess)
 {
 cout << "Cannot read a frame from video stream" << endl;
 break;
 }
 //
 Mat imgHSV;
 vector<Mat> hsvSplit;
 cvtColor(imgOriginal,imgHSV,COLOR_BGR2HSV);
 
 //转化成直方图均衡化
 split(imgHSV,hsvSplit);
 equalizeHist(hsvSplit[2],hsvSplit[2]);
 merge(hsvSplit,imgHSV);
 Mat imgThresholded;
 //确定颜色显示的范围
 inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,iHighV),imgThresholded);
 //去除噪点
 Mat element = getStructuringElement(MORPH_RECT,Size(5,5));
 morphologyEx(imgThresholded,imgThresholded,MORPH_OPEN,element);
  //连接连通域
 morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
 imshow("Thresholded Image",imgThresholded);
 imshow("Original",imgOriginal);
 //等待时间
 char Key = (char)waitKey(300);
 if (Key==27)
 {
 break;
 }
 }
 return 0;
}

您可能感兴趣的文章:

加载全部内容