基于PYQT5的HSV阈值提取器

该文介绍了一个图像处理应用,用户可以通过滑块调整HSV值,实现对图片的实时掩膜处理。应用显示了经过OpenCV算法处理后的二值化图像,并在界面上显示鼠标位置的像素坐标及BGR值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、主要界面

​​在这里插入图片描述

二、主要功能

打开图片后通过滑块调整图像的最低最高HSV值,右侧显示经过Opencv掩膜算法处理过后的图像。
右下角显示鼠标所在像素点的BGR值和点坐标。

三、Designer界面

在这里插入图片描述

四、核心代码

实现右侧图片更新:

def update_mask(self):
        # 获取滑块的值
        min_h = self.slider_min_h.value()
        min_s = self.slider_min_s.value()
        min_v = self.slider_min_v.value()
        max_h = self.slider_max_h.value()
        max_s = self.slider_max_s.value()
        max_v = self.slider_max_v.value()
        
        # 创建掩膜
        mask = cv2.inRange(self.img_hsv, np.array([min_h, min_s, min_v]), np.array([max_h, max_s, max_v]))
        
        # 生成二值化图片
        binary_img = cv2.bitwise_and(self.img_hsv, self.img_hsv, mask=mask)
        binary_img = cv2.cvtColor(binary_img, cv2.COLOR_HSV2RGB)
        binary_img = cv2.cvtColor(binary_img, cv2.COLOR_RGB2GRAY)
        
        # 显示二值化图片
        height, width = binary_img.shape
        bytesPerLine = width
        q_img = QtGui.QImage(binary_img.data, width, height, bytesPerLine, QtGui.QImage.Format_Grayscale8)
        self.binary_label.setPixmap(QtGui.QPixmap.fromImage(q_img))

        self.text_min.setText( "({},{},{})".format(min_h,min_s,min_v))
        self.text_max.setText( "({},{},{})".format(max_h,max_s,max_v))

实现获取鼠标位置处信息:

    def mouse_move_event(self, e):
        if not self.pixmap:
            return

        pos = e.pos()
        x = pos.x()
        y = pos.y()
        if x >= self.pixmap.width() or y >= self.pixmap.height():
            return

        color = self.pixmap.toImage().pixel(x, y)
        b = color & 0xFF
        g = (color >> 8) & 0xFF
        r = (color >> 16) & 0xFF

        self.text_pos.setText(f"({x}, {y})")
        self.text_hsv.setText(f" ({b}, {g},{r})")   

五、资源下载

### 计算HSV颜色空间阈值的方法 在图像处理领域,HSV(Hue-Saturation-Value)颜色空间因其对人类视觉系统的友好性和鲁棒性而被广泛应用于目标检测、分割和其他计算机视觉任务中。为了计算HSV颜色空间的阈值,通常需要以下几个方面的考虑: #### HSV颜色空间简介 HSV是一种基于生理学的颜色模型,其中: - **Hue(色调)** 表示颜色的实际度量,在0到360度之间变化[^1]。 - **Saturation(饱和度)** 描述颜色的纯度或强度,范围通常是0到1。 - **Value(亮度)** 反映颜色的明暗程度,也通常在0到1范围内。 通过转换RGB图像至HSV颜色空间,可以更方便地分离色彩信息和光照影响,从而实现更为精确的目标识别。 #### 阈值计算方法 以下是几种常见的HSV阈值计算方式: 1. **手动设定阈值** 手动调整HSV通道的上下限是最简单的方式之一。这种方法依赖于先验知识或者试验数据来定义合适的区间。例如,对于红色物体,可能设置如下阈值: ```python lower_red = np.array([0, 50, 50]) upper_red = np.array([10, 255, 255]) ``` 2. **利用直方图分析** 使用`cv::calcHist()`函数可以帮助我们理解不同颜色分量的分布情况。通过对H、S、V三个维度分别绘制直方图并观察峰值位置及其邻域,能够初步估计合理的阈值范围。 3. **自动阈值算法** 自适应技术如Otsu's Method可用于单个灰阶图像上的最佳二值化界限寻找;而对于多维特征向量,则可采用K-Means聚类等无监督学习手段辅助完成复杂场景下的自动化阈值得出过程[^3]。 4. **累积分布函数(CDF)与归一化处理** 借助CDF曲线以及标准化后的概率密度函数(PDF),进一步优化初始猜测得到更加稳健的结果[^4]。 #### Python代码实例 下面展示了一段简单的Python脚本用于演示如何从BGR格式转换成HSV,并施加基本过滤操作: ```python import cv2 import numpy as np # 加载原始图片 image = cv2.imread('example.jpg') # 转换成HSV色彩模式 hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 定义蓝色区域的边界条件 lower_blue = np.array([90, 50, 50]) upper_blue = np.array([130, 255, 255]) # 创建掩码 mask = cv2.inRange(hsv_image, lower_blue, upper_blue) # 应用掩码获取最终输出 result = cv2.bitwise_and(image, image, mask=mask) cv2.imshow("Original", image) cv2.imshow("Masked Result", result) cv2.waitKey(0) cv2.destroyAllWindows() ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值