本次目標是將一副圖像從rgb顏色空間轉換到hsv顏色空間，顏色去除白色背景部分
具體就調用了cv2的兩個函數(shù)，一個是rgb轉hsv的函數(shù)
具體用法
hsv = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2HSV)
然后利用cv2.inRange函數(shù)設閾值，去除背景部分
mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0,
函數(shù)很簡單，參數(shù)有三個
第一個參數(shù)：hsv指的是原圖
第二個參數(shù)：lower_red指的是圖像中低于這個lower_red的值，圖像值變?yōu)?
第三個參數(shù)：upper_red指的是圖像中高于這個upper_red的值，圖像值變?yōu)?
而在lower_red～upper_red之間的值變成255
lower_red = np.array([20, 20, 20])
upper_red = np.array([200, 200, 200])
mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0，lower～upper==>255
就是將低于lower_red和高于upper_red的部分分別變成0，lower_red～upper_red之間的值變成255
具體用法如下
hsv = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2HSV)
lower_red = np.array([20, 20, 20])
upper_red = np.array([200, 200, 200])
# mask -> 1 channel
mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0
補充：色彩閥值化處理——openCV-python中inRange()等相關函數(shù)實測
色彩閥值化
在圖像處理的過程中，使用各種形態(tài)學操作或者濾波的方式來突顯我們關注的元素，同時降低噪聲并減少干擾我們提取關鍵元素的影響項。除了這些方法外，我們可以在原圖中先依據(jù)顏色的特征，提取出更為關鍵的像素。就像車道檢測時，一般車道只有兩種顏色：黃色和白色。所以我們可以在 RGB 色彩空間(Color Space) 對這兩種顏色進行過濾從而提取出車道線的像素。
色彩空間：使用一組值（通常使用三個、四個值或者顏色成分）表示顏色方法的抽象數(shù)學模型。有利用原色相混的比例表示的色彩空間，如 RGB (Red, Green, Blue) 顏色空間; 也有利用不同的概念表示的色彩空間,如 HSV (色相 hue, 飽和度 saturation, 明度 value) 以及 HSL (色相 hue，飽和度 saturation，亮度 lightness/luminance) 。
在OpenCV中，RGB三通道的圖像的讀取 cv2.imread() 的結果是以 BGR 順序排列的，而在使用matplotlib的 plt.imread() 時， 讀取的通道排列順序則為 RGB 。因此此處應當注意區(qū)別。
openCV中cv2.inRange()函數(shù)是實現(xiàn)該功能的關鍵，我們先看看官網(wǎng)對該函數(shù)的定義：
dst = cv.inRange( src, lowerb, upperb[, dst] )
檢測數(shù)組元素是否位于其他兩個元素之間。
該函數(shù)檢測范圍方式如下：
對于單通道輸入的每個元素：
對于雙通道輸入：
同樣應用于四通道
也就是說，如果src (I)在指定的1D, 2D, 3D，…框內則dst(I)為255，否則為0。當下邊界和/或上邊界參數(shù)為標量時，應省略上述公式中在上、下邊界處的索引(I)。
各參數(shù)詳細含義：
src 輸入的數(shù)組
lowerb 下邊界數(shù)組或標量.
upperb 上邊界數(shù)組或標量.
dst 與src和CV_8U類型大小相同的輸出數(shù)組。
接下來將結合簡單的例子通過python更好地理解這個函數(shù)：
import matplotlib.pyplot as plt
import numpy as np
import cv2
# 對圖片進行讀取
img_cv2 = cv2.imread('D:\\test\\CVtest.jpg')
print(img_cv2)
為了方便理解，我用畫板工具畫了一個5×5像素點的紅色圖片。上述代碼運行結果為：
[[[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]]
[[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]]
[[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]]
[[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]]
[[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]
[ 36 27 237]]]
讀者可以自行測試一下，B=36,G=27,R=237為紅色。
# 創(chuàng)建RGB色彩空間
color_Low1 = np.array([30,27,237])
color_Low2 = np.array([39,27,237])
color_High = np.array([40,27,237])
# 對圖片進行閥值化處理
img_dst1 = cv2.inRange(img_cv2,color_Low1,color_High)
img_dst2 = cv2.inRange(img_cv2,color_Low2,color_High)
#對結果進行打印
print(img_dst1,'\n', img_dst2)
# 運行結果分別為
[[255 255 255 255 255]
[255 255 255 255 255]
[255 255 255 255 255]
[255 255 255 255 255]
[255 255 255 255 255]]
[[0 0 0 0 0]
[0 0 0 0 0]
[0 0 0 0 0]
[0 0 0 0 0]
[0 0 0 0 0]]
可以看出，當圖片中的像素點落在色彩空間時，輸出結果全是255，當像素點不落在色彩空間是，輸出結果全是0。對最終結果進行顯示：
#對圖像進行展示
cv2.imshow("origin_img",img_cv2)
cv2.imshow("dst_img1",img_dst1)
cv2.imshow("dst_img2",img_dst2)
cv2.waitKey(0)
cv2.destroyAllWindows()
最終結果為一個紅色、一個黑色的、一個白色的小點。
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- python中的內置函數(shù)max()和min()及mas()函數(shù)的高級用法
- python print()函數(shù)的end參數(shù)和sep參數(shù)的用法說明
- python處理emoji表情(兩個函數(shù)解決兩者之間的聯(lián)系)
- 解決python2中unicode()函數(shù)在python3中報錯的問題
- python繪圖subplots函數(shù)使用模板的示例代碼
- Python input()函數(shù)用法大全
- python Pool常用函數(shù)用法總結
- python 如何用map()函數(shù)創(chuàng)建多線程任務
- Python函數(shù)參數(shù)中的*與**運算符
- 詳解python函數(shù)傳參傳遞dict/list/set等類型的問題
- Python3去除頭尾指定字符的函數(shù)strip()、lstrip()、rstrip()用法詳解
- Python進階之高級用法詳細總結
