Halcon之颜色识别

1，基于HSV分量的颜色识别。

1.1，HSV概述。

        HSV（Hue, Saturation, Value）是一种广泛应用于图像处理的颜色模型，其通过色相、饱和度和明度三个维度描述颜色特性，相比RGB模型更符合人类对颜色的直观感知。以下是HSV在图像处理中的核心要点：

---

一、HSV模型的构成

1. ‌色相（Hue）‌

   • 表示颜色类型，以角度度量，范围通常为 ‌0°~360°‌（如OpenCV中缩放到 ‌0~179‌）‌。
   • 红色对应0°（或180°），绿色120°，蓝色240°，补色间隔180°‌。

2. ‌饱和度（Saturation）‌

   • 表示颜色纯度，范围 ‌0%~100%‌（或 ‌0~255‌），值越高颜色越鲜艳，0%时为灰度‌。

3. ‌明度（Value）‌

   • 表示颜色亮度，范围 ‌0%~100%‌（或 ‌0~255‌），0%为纯黑，100%为最亮颜色‌。

---

二、HSV在图像处理中的优势

1. ‌颜色分离特性‌

   • H、S、V分量独立，便于单独调整颜色属性。例如：通过H通道提取特定颜色（如红色物体），或通过S通道增强/减弱色彩鲜艳度‌。

2. ‌直观的色彩调整‌

   • 用户可通过调整饱和度（S）控制颜色鲜艳程度，或通过明度（V）模拟光照变化，无需直接操作RGB三通道‌。

3. ‌适应复杂场景‌

   • 在目标检测、图像分割等任务中，HSV可有效分离亮度与颜色信息，减少光照变化对算法的影响。

---

三、RGB与HSV的转换

1. ‌转换逻辑‌

   • ‌RGB→HSV‌：基于RGB分量的最大值（V）、色相角（H）和饱和度（S）计算。例如：当R为最大值时，H = 60°×((G-B)/(max-min))，并修正为0~360°范围‌。
   • ‌HSV→RGB‌：根据H所在的色相区间（每60°为一个区间），分段计算RGB分量‌。

2. ‌应用示例‌

   • 在OpenCV中，常用 cv2.cvtColor() 函数实现RGB与HSV的转换，需注意数值范围调整（如H在OpenCV中为0~179）‌。

---

四、典型应用场景

1. ‌颜色检测与分割‌

   • 通过设定H的阈值范围（如绿色H∈[35°,85°]），结合S和V过滤背景，实现植物叶片或交通标志的检测‌。

2. ‌图像增强‌

   • 提升低饱和度图像的色彩表现：增大S值使颜色更鲜艳，或调整V值改善过曝/欠曝区域‌。

3. ‌渐变效果生成‌

   • 在HSV空间中，通过线性插值H值可生成平滑的渐变色（如彩虹效果），优于RGB空间的直接混合‌。

---

五、注意事项

• ‌数值范围差异‌：不同编程库对HSV的取值范围定义可能不同（如H在理论模型为0~360°，而OpenCV中为0~179），需按实际工具调整参数‌。
• ‌颜色域限制‌：HSV仅覆盖CIE色度图的子集，某些高纯度颜色无法完全表示‌。

六、HSV效果。

使用绘图工具，可查看HSV效果。

1.2，应用实例。

参考案例：Halcon实例库->应用范围->颜色检测->color_fuses.hdev

dev_close_window ()
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_set_line_width (2)

dev_update_window ('off')
fusesColor:=['orange','red','blue','yellow','green']
*根据网上查询的各颜色对应HSV的H（色调）值
* HueRanges := [10,30,0,10,125,162,30,64,96,128]
hueRange:=[11,25,0,11,127,149,34,81,83,126]
fusesType:=[10,15,20,25,5]
for Index := 0 to 4 by 1
    read_image (Image, 'color/color_fuses_'+Index$'02')
    dev_display (Image)
    decompose3 (Image, ImageR, ImageG, ImageB)
    trans_from_rgb (ImageR, ImageG, ImageB, ImageH, ImageS, ImageV, 'hsv')
    *从饱和度分量S进行阈值分割获取数量
    threshold (ImageS, Regions, 86, 255)
    connection (Regions, Connection)
    opening_rectangle1 (Connection, RegionOpening, 5, 5)
    fill_up ( RegionOpening, RegionFillUp)
    
    select_shape (RegionFillUp, SelectedRegions, 'area', 'and', 1045.87, 20000)
    *计算fuses总量
    count_obj (SelectedRegions, fusesTotal)
    shape_trans (SelectedRegions, RegionTrans1, 'convex')
    union1 (RegionTrans1, RegionUnion)
    *根据不同颜色对应的H值（色调值）不同进行区分
    reduce_domain (ImageH, RegionUnion, ImageReduced)
    for i := 0 to |fusesColor|-1 by 1
        threshold (ImageReduced, Region, hueRange[i*2],hueRange[i*2+1])   
      
        connection (Region, ConnectedRegions)  
        select_shape (ConnectedRegions, SelectedRegions1, 'area', 'and', 4000, 99999)
        shape_trans (SelectedRegions1, RegionTrans, 'convex')
        *计算中心位置，并计算出数量
        area_center (RegionTrans, Area, Row, Column)
        *进行颜色规格标注
        for k := 0 to |Row|-1 by 1
            dev_set_color (fusesColor[i])
            
            gen_contour_region_xld (RegionTrans, Contours, 'border')
            dev_display (Contours)
            
            set_display_font (WindowHandle, 12, 'mono', 'true', 'false')
            str:= fusesColor[i]+' '+fusesType[i]$'02'+'A'
            get_string_extents (WindowHandle, str, Ascent, Descent, Width, Height)
*             set_tposition (WindowHandle, Row[k]- Height/2, Column[k]-Width/2)
*             write_string (WindowHandle,str)
            disp_message (WindowHandle, str,  'image',  round(Row[k]- Height/2),round( Column[k]-Width/2), fusesColor[i], 'false')
        endfor
        dev_set_color (fusesColor[i])
        set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
        set_tposition (WindowHandle, 30*i, 20)
        write_string (WindowHandle, fusesColor[i]$'-6'+':'+|Row|$'02'+' PCS')
    endfor 
    *总数
    dev_set_colored (12)
    
    set_tposition (WindowHandle, 30*i, 20)
    write_string (WindowHandle, 'Total '+':'+fusesTotal$'02'+' PCS')
    stop ()
endfor

2，基于训练分类器的颜色识别。

参考：Halcon实例库->应用范围->颜色检测->color_pieces.hdev

*使用颜色分类器训练查找
dev_close_window ()
read_image (Image, 'color/color_pieces_00')
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)

dev_set_draw ('margin')
set_display_font (WindowHandle, 16, 'mono', 'true', 'false')
Regions := ['yellow','pink','blue','background']
Highlight := ['goldenrod','magenta','cyan']
*框选需要进行查找的颜色,这里是3个目标色加上1个背景色
gen_empty_obj (classis)
for Index := 0 to 3 by 1
    dev_display (Image)
    dev_display (classis)
    disp_message (WindowHandle, '框选目标色（注意框选区切勿混有其他颜色）：'+Regions[Index], 'window', 12, 12, 'black', 'false')
draw_rectangle1 (WindowHandle, Row1, Column1, Row2, Column2)
gen_rectangle1 (Rectangle, Row1, Column1, Row2, Column2)
concat_obj (classis, Rectangle, classis)
endfor
*创建颜色分类器
*参数：NumOutput：需要查找的颜色的数量，
*这里需要查找['yellow','pink','blue','background']四种颜色，所以这里设置为4
create_class_mlp (3, 10, 4, 'softmax', 'normalization', 10, 42, MLPHandle)
*进行训练
add_samples_image_class_mlp (Image, classis, MLPHandle)
train_class_mlp (MLPHandle, 200, 1, 0.01, Error, ErrorLog)
*进行颜色查找
for i := 0 to 3 by 1
   read_image (Image, 'color/color_pieces_'+i$'02')
   dev_display (Image)
   classify_image_class_mlp (Image, ClassRegions, MLPHandle, 0.5)
   *查找的结果为：每一种颜色为一个区域，区域顺序与创建分类器时的颜色区域一致
   count_obj (ClassRegions, Number)
   *遍历颜色区域
   for k := 1 to Number-1 by 1
       copy_obj (ClassRegions, ObjectsSelected, k, 1)
       *一个颜色区域可能分解为多个区域(即一个颜色区域可能包含多个该颜色的目标）
       erosion_circle (ObjectsSelected, RegionErosion, 1.5)
       connection (RegionErosion, ConnectedRegions)
       dilation_circle (ConnectedRegions, RegionDilation, 1.5)
       select_shape (RegionDilation, SelectedRegions, 'area', 'and', 1000, 99999)
       *颜色区域拆解出来的区域，通过这些区域计算每种颜色的数量
       count_obj (SelectedRegions, Number1)
       if(k<|Highlight|+1)
           dev_set_color (Highlight[k-1])
       endif
       dev_display (SelectedRegions)
       dev_set_color ('black')
       set_tposition (WindowHandle, 20+(k-1)*30, 20)
       write_string (WindowHandle, Regions[k-1]$'-10'+':'+Number1)
   endfor
   stop ()
endfor
clear_class_mlp (MLPHandle)