opencv python BGR2HSV/目标跟踪

最新推荐文章于 2025-06-10 12:47:08 发布

weixin_33895657

最新推荐文章于 2025-06-10 12:47:08 发布

阅读量850

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能 python

原文链接：https://segmentfault.com/a/1190000015644454

本文探讨了OpenCV中颜色空间变换的原理及应用，重点介绍了BGR与Gray、HSV之间的转换方法。并通过实例展示了如何在HSV颜色空间中进行目标跟踪，特别是针对特定颜色对象的提取与处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Changing Colorspaces

1变换颜色空间

opencv有150多种颜色空间转换方法，目前我们只研究两种最广泛使用的方法：BGR↔Gray和BGR↔HSV
cv2.cvtColor（input_image，flag），其中flag确定转换类型.

BGR → Gray：flags = cv2.COLOR_BGR2GRAY

BGR → HSV：flags = cv2.COLOR_BGR2HSV

NOTE：对于HSV，色调范围是[0,179]，饱和范围是[0,255]，值范围是[0,255]。不同的软件使用不同的规模因此，如果要将OpenCV值与它们进行比较，则需要对这些范围进行标准化.

2目标跟踪

在HSV中，表示颜色比在BGR颜色空间中更容易. 在我们的应用程序中，我们将尝试提取蓝色对象.

拍摄视频的每一帧
从BGR转换为HSV色彩空间
将HSV图像阈值为一系列红色
现在单独提取红色对象，我们可以对我们想要的图像做任何事情.

代码：

import cv2
import numpy as np

cap = cv2.VideoCapture('videotest.mp4')

while(1):

    # Take each frame
    _, frame = cap.read()

    # Convert BGR to HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # define range of red color in HSV
    lower_red = np.array([50,50,110])
    upper_red = np.array([255,255,130])

    # Threshold the HSV image to get only red colors
    mask = cv2.inRange(hsv, lower_red, upper_red)

    # Bitwise-AND mask and original image
    res = cv2.bitwise_and(frame,frame, mask= mask)

    cv2.imshow('frame',frame)
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break

cv2.destroyAllWindows()

图片描述