首页分享基于颜色的图像识别

基于颜色的图像识别

来源：花匠小妙招时间：2024-12-14 15:55

基于颜色的图像识别

上一期我们介绍了 CreateTrackbar 的使用方法。链接如下：

[]: https://blog.csdn.net/Daylight_V/article/details/135110717?spm=1001.2014.3001.5501

背景：这一期我们就要利用这个去进行颜色识别。在之前的图像识别时，我们总会面对许多问题，诸如在形态学操作时，无法很好分离出物体，亦或是无法很好保留最初物体的轮廓，往往对阈值的挑选有着更严苛的要求，同时大大降低了其普适性。

颜色识别的基本流程

读取图像 — 颜色空间转换 — 筛选阈值 — 形态学操作 — 轮廓识别

核心API（一）

void cvtColor(输入图像, 输出图像, 颜色转换方式);//其中颜色转换方式有转HSV ，GRAY等等 123

在这里插入图片描述
不同于之前的图像识别，在颜色识别时，一般转成HSV图像，这是因为将图像转换为HSV色彩空间的主要原因是HSV色彩空间更符合人类对颜色的感知，它包含了色相（Hue）、饱和度（Saturation）和亮度（Value）三个分量，可以更好地描述颜色的属性。在HSV色彩空间中，色相表示颜色的种类，饱和度表示颜色的纯度，亮度表示颜色的明暗程度。相比之下，BGR色彩空间是RGB色彩模型在计算机领域的一种实现，它不直观地描述颜色的属性，不方便进行颜色的区分和识别。

核心API（二）

void inRange(输入图像, 阈值下限, 阈值上限, 输出图像); 1234

其中，在选择阈值上限以及下限时，使用的是Scalar(H, S, V)
在这里插入图片描述
HSV颜色空间中，颜色的范围通常是通过调整H（色相）、S（饱和度）、V（亮度/明度）三个通道的阈值来确定的。下面是一些常见颜色的HSV范围：

红色：

H: 0-10 和 170-180

S: 50-255

V: 50-255

橙色：

H: 11-25

S: 50-255

V: 50-255

黄色：

H: 26-35

S: 50-255

V: 50-255

绿色：

H: 36-85

S: 50-255

V: 50-255

青色：

H: 86-125

S: 50-255

V: 50-255

蓝色：

H: 126-145

S: 50-255

V: 50-255

紫色：

H: 146-165

S: 50-255

V: 50-255

往往在真实图像中，我们无法得到标准的红蓝黄色，因此需要用滑动条来一点点try，得到最好的效果。

下面展示实战

请添加图片描述
分别将不同颜色的形状识别出来
代码

#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; int lowH = 11; int highH = 20; int lowS = 53; int highS = 158; int lowV = 156; int highV = 215;//以上作为筛选阈值的变量 int main() {Mat src = imread("color.png");//读取图像Mat dst;Mat threimage;namedWindow("adjust");createTrackbar("lowH", "adjust", &lowH, 180);createTrackbar("highH", "adjust", &highH, 180);createTrackbar("lowS", "adjust", &lowS, 255);createTrackbar("highS", "adjust", &highS, 255);createTrackbar("lowV", "adjust", &lowV, 255);createTrackbar("highV", "adjust", &highV, 255);while (1){cvtColor(src, dst, COLOR_BGR2HSV);//转成HSVinRange(dst, Scalar(lowH, lowS, lowV), Scalar(highH, highS, highV), threimage);//颜色筛选imshow("reslut",threimage);waitKey(1);}return 0; }

12345678910111213141516171819202122232425262728293031323334353637383940

效果
在这里插入图片描述