快捷導(dǎo)航

Python圖像處理之使用OpenCV檢測對象顏色

更新時(shí)間：2022年12月20日 10:07:23 作者：AI?technophile

OpenCV顏色檢測只是一個(gè)起點(diǎn),最終目標(biāo)是最終使用Python?3代碼在視頻流幀中定位彩色元素位置,下面這篇文章主要給大家介紹了關(guān)于Python圖像處理之使用OpenCV檢測對象顏色的相關(guān)資料,需要的朋友可以參考下

前言

檢測圖像中對象顏色的一種簡單方法是首先將圖像從 RGB 轉(zhuǎn)換為 HSV 顏色空間，然后使用一系列色調(diào)檢測對象，這可以通過使用 OpenCV 庫輕松完成。為了完成對象檢測任務(wù)，我們需要使用感興趣對象的顏色值范圍，使用顏色值范圍識別和提取的圖像中目標(biāo)對象。之后，我們可以更改檢測到的對象的顏色，甚至可以直接刪除檢測到的對象。

使用 OpenCV 檢測對象顏色

在本節(jié)中，我們將使用的輸入圖像是位于網(wǎng)球場的女孩，而感興趣的對象是女孩的頭發(fā)。我們首先將 RGB 圖像轉(zhuǎn)換到 HSV 色彩空間，從而檢測黑色色值區(qū)域。

(1) 首先加載所需的庫，并讀取輸入圖像：

import cv2
import numpy as np
import matplotlib.pylab as plt
img = cv2.imread("1.png")

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

(2) 通過選擇黑色頭發(fā)可能擁有的 HSV 顏色范圍來為頭發(fā)創(chuàng)建掩碼，然后從輸入圖像中提取黑色頭發(fā)：

mask = cv2.inRange(hsv, (0, 70, 80), (15, 255, 255))
imask = mask>0
hair = np.zeros_like(img)
hair[imask] = img[imask]

(3) 通過減少 HSV 通道值，然后將圖像轉(zhuǎn)換回 BGR 空間，將黑色頭發(fā)的顏色更改為其他顏色。

用于提取與彩色對象相對應(yīng)的像素的函數(shù)如下所示，該函數(shù)通過檢查像素值是否在下限和上限指定的值范圍內(nèi)來獲取對應(yīng)像素：

cv2.inRange(src, lowerb, upperb)

函數(shù) inRange() 檢查 src 元素是否位于 lowerv 和 upperb 構(gòu)成的區(qū)間范圍內(nèi)。

black = img.copy()
hsv[..., 0:3] = hsv[..., 0:3] / 8
black[imask] = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)[imask]
black = np.clip(black, 0, 255)

(4) 最后，繪制輸入圖像，提取的黑色頭發(fā)，修改頭發(fā)顏色并顯示帶有修改頭發(fā)顏色后的輸出圖像：

plt.figure(figsize=(20,10))
plt.subplots_adjust(0,0,1,0.9,0.01,0.075)
plt.subplot(131), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.title('original', size=10)
plt.subplot(132), plt.imshow(cv2.cvtColor(hair, cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.title('only hair', size=10)
plt.subplot(133), plt.imshow(cv2.cvtColor(black, cv2.COLOR_BGR2RGB))
plt.axis('off'), plt.title('hair color changed', size=10)
plt.suptitle('Detecting and changing object colors with opencv', size=15)
plt.show()