opencvsharp 颜色填充 opencv颜色空间

Open CV系列学习笔记（三）色彩空间

什么是色彩空间

色彩是人的眼睛对于不同频率的光线的不同感受，色彩既是客观存在的（不同频率的光）又是主观感知的，有认识差异。所以人类对于色彩的认识经历了极为漫长的过程，直到近代才逐步完善起来，但至今，人类仍不能说对色彩完全了解并准确表述了，许多概念不是那么容易理解。“色彩空间”一词源于西方的“Color Space”，又称作“色域”，色彩学中，人们建立了多种色彩模型，以一维、二维、三维甚至四维空间坐标来表示某一色彩，这种坐标系统所能定义的色彩范围即色彩空间。我们经常用到的色彩空间主要有RGB、CMYK、Lab等。

几种常见的色彩空间：

色彩空间相互转化

最常见的有：HSV和RGB
YUV和RGB
是指将红、绿、蓝系统表示的图像变换为用明度、色别、饱和度系统表示的图像的处理方法。HIS彩色空间和HSV彩色空间分别是利用色调、亮度及饱和度等信息来量化RGB色彩。这在图像地物识别与分类的过程中，大大的提高了人眼对地物色彩的感知，这两种色彩变换被广泛应用于图像地物识别与分类过程中。在利用图像地物提取的过程中，利用计算机模仿人眼识别色彩，计算机可以直接获取图像的RGB信息，但在人机交互的过程中，人眼无法直接定量分析RGB所占比例情况。所以HIS和HSV色彩空间变换引入图像的地物识别和提取。HIS彩色空间和HSV彩色空间分别是利用色调、亮度及饱和度等信息来量化RGB色彩。这在图像地物识别与分类的过程中，大大的提高了人眼对地物色彩的感知，这两种色彩变换被广泛应用于图像地物识别与分类过程中。研究者通过大量的试验，在针对图像识别及分类的过程中，提出了新的色彩变换模型LBV色彩变换模型，进一步的提高了人机交互的地物识别及分类。

代码

色彩空间转化API

import cv2 as cv
import numpy as np

def color_space_demo(image):#rgb图像色彩空间转化
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    cv.imshow("gray",gray)
    hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV)
    cv.imshow("hsv",hsv)
    yuv = cv.cvtColor(image,cv.COLOR_BGR2YUV)
    cv.imshow("yuv",yuv)
    Ycrcb = cv.cvtColor(image,cv.COLOR_BGR2YCrCb)
    cv.imshow("ycrcb",Ycrcb)
print("----- Hellow Python -----")
src = cv.imread("E:/picture/01.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
color_space_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

运行结果：

通道的分离，合并：

b,g,r = cv.split(src)
 cv.imshow(“blue”,b)
 cv.imshow(“green”,g)
 cv.imshow(“red”,r)
src = cv.merge([b,g,r])
 src[:,:,2] = 0
 cv.imshow(“changed image”,src)

也可通过上面的代码对图片的通道进行分离，或合并。

颜色追踪

对一段视频文件中的某种颜色进行追踪，进行色彩空间转化，利用inRange这个API，以绿色为例lower_hsv = np.array([35, 43, 46])

upper_hsv = np.array([77, 255, 255])

mask = cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)

填入对应的高值低值，数值与下表对应

代码：

import cv2 as cv
import numpy as np

def extrace_object_demo():
    capture = cv.VideoCapture("E:\python\opencv study/55.mp4")
    while(True):
        ret, frame = capture.read()
        if ret == False:
            break
        hsv = cv.cvtColor(frame,cv.COLOR_BGR2HSV)
        lower_hsv = np.array([35, 43, 46])
        upper_hsv = np.array([77, 255, 255])
        mask = cv.inRange(hsv,lowerb=lower_hsv,upperb=upper_hsv)
        dst = cv.bitwise_and(frame,frame,mask=mask)
        cv.imshow("video",frame)
        cv.imshow("mask",dst)
        c = cv.waitKey(40)
        if c == 27:
            break
print("----- Hellow Python -----")
src = cv.imread("E:/picture/01.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
extrace_object_demo()
cv.waitKey(0)

cv.destroyAllWindows()