现在的位置: 首页 > 编程语言 > 正文

基于Opencv实现颜色识别

2020年02月14日 编程语言 ⁄ 共 3015字 ⁄ 字号 评论关闭

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;}

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。

本文标题: 基于Opencv实现颜色识别

以上就上有关基于Opencv实现颜色识别的全部内容,学步园全面介绍编程技术、操作系统、数据库、web前端技术等内容。

抱歉!评论已关闭.