基于人工智能平台的opencv图片操作之图片色域检测

1. 实验目的

了解HSV色域和提取特定颜色的目标.

2.实验设备

安装了python和pychrm的电脑一台。

3.实验内容

包含图片的导入、色域检测、绘制矩形、显  示图片。

4.实验原理

   色域检测重要的一步是把图像转为HSV图像，由于HSV的颜色空间比BGR空间更容易表示特定的颜色，故我们将BGR空间转换成HSV，一般以HSV为颜色检测和识别：H--色调（红-绿-蓝）；S--饱和度（颜色深浅）；V-亮度（颜色亮暗）。

   要想实现颜色的识别，我们要打开摄像头，或读取一张图像。将图像的BGR颜色通道转化为HSV，然后设置HSV的阀值指定颜色范围（我们要检测的颜色范围）。我们使用inRange()函数实现二值化功能（这点类似threshold()函数），更关键的是可以同时针对多通道进行操作，使用起来非常方便！主要是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0），该功能类似于之间所讲的双阈值化操作，能得到掩模（mask）图像。

    首先我们要获取某个颜色就要设定一个范围的阈值，二值化处理能够将我们需要的颜色置0，其他颜色置为255，才能筛选出目标颜色的掩模图像。选择正确的阈值是阈值分割的关键。

灰度阈值化是最简单的分割处理。很多物体或图像区域表征为不变的反射率或其表面光的吸收率，可以确定一个亮度常亮即阈值来分割背景和物体。阈值化计算代价小速度快，它是最老的分割方法。

    在inRange二值化处理后我们要进行腐蚀膨胀操作消除其他干扰，erode函数实现腐蚀操作，dilate函数实现膨胀操作，先腐蚀后膨胀可以去掉小的对象，假设对象是前景色，背景是黑色，这样我们就得到了一张掩模图像，就可以与源图像进行与操作，把不是我们需要的颜色置成黑色，否则不变。

    bitwise_and函数实现对目标提取，这是一个‘与’操作，用二值化后的掩模图像进行与操作，找出阈值范围内的颜色区域，找到了颜色区域我们就要找出轮廓将其画制出来

findContours函数找到轮廓。Rectangle函数可以绘制矩形轮廓。

基本思路：

1. 采集物体色彩空间范围Y，并定义掩膜的空间范围(就是通过掩模找到目标颜色)
2. 导入图像
3. OpenCV检测图像中色彩在范围Y内的区域，并生成二值化图像
4. 对二值化图做降噪处理，滤除图片中的小范围区域，得到新图像
5. 计算保留在图像中范围最大的区域
6. 计算该区域的质心，该质心即是物体的位置

opencvHSV颜色范围：

 H（0-180）  S(0-255)  V(0-255)

HSV颜色范围

        5.实验步骤

打开pycharm。

我们右击相应的文件目录，选择new--->点击Python File，然后输入新建的文件名，点击确定，相应的.py文件就建好了，可以进行编写代码了。

ipoert cv2

读取图片并转换为灰度图像。

frame = cv2.imread('..\images\mak.png')#读取图片

改变图像大小。

frame = imutils.resize(frame,width=400)

将图像转换为HSV。

hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)#转变成hsv

设定阈值。

lower_hsv = np.array([26,43,45])
upper_hsv = np.array([34,255,255])#范围(黄色)

inrange()函数二值化生成mask掩模图像。

mask = cv2.inRange(hsv,lower_hsv,upper_hsv)

腐蚀膨胀操作消除噪声。

##腐蚀操作
erosion = cv2.erode(mask, kernel, iterations=1)
##膨胀操作
dilate = cv2.dilate(erosion, kernel, iterations=1)

与操作：bitwise_and是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0。

##与操作
dst = cv2.bitwise_and(frame,frame,mask=dilate)#提取特定颜色

findContours函数找到目标的轮廓。

contours, hier = cv2.findContours(mask, cv2.RETR_EXTERNAL, 
cv2.CHAIN_APPROX_SIMPLE)

找出最小矩形并绘制矩形，（x，y）是矩阵的左上点坐标;（x+w，y+h）是矩阵的右下点坐标；（0,255,0）是画线对应的rgb颜色;2是所画的线的宽度。

cv2.imshow('vide',frame)
for c in contours:
x, y, w, h = cv2.boundingRect(c)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

显示绘制轮廓的图像。

cv2.imshow('video',frame)
cv2.imshow('mask',mask)
cv2.imshow('dst',dst)
c = cv2.waitKey()

运行代码可以得到如下效果。

运行结果图