05篇

对图片进行颜色的识别与替换，主要是通过掩膜对原图像进行与运算来找到我们要识别的颜色。

因此我们需要了解如何在一张图片中寻找目标颜色、掩膜是什么以及与运算的概念。

颜色空间的理解

RGB颜色空间 

在图像处理中，最常见的就是RGB颜色空间。它是一种用于表示和显示彩色图像的一种颜色模型。RGB代表红色（Red）、绿色（Green）和蓝色（Blue），这三种颜色通过不同强度的光的组合来创建其他颜色。属于三信道，也就是三位数组。

RGB颜色模型基于笛卡尔坐标系，如下图所示，RGB原色值位于3个角上，二次色青色、红色和黄色位于另外三个角上，黑色位于原点处，白色位于离原点最远的角上。因为黑色在RGB三通道中表现为（0，0，0），所以映射到这里就是原点；而白色是（255，255，255），所以映射到这里就是三个坐标为最大值的点。

 RGB颜色空间可以产生大约1600万种颜色，几乎包括了世界上的所有颜色，也就是说可以使用RGB颜色空间来生成任意一种颜色。

HSV颜色空间

HSV颜色空间指的是HSV颜色模型，这是一种与RGB颜色模型并列的颜色空间表示法。

RGB颜色模型使用红、绿、蓝三原色的强度来表示颜色，是一种加色法模型，即颜色的混合是添加三原色的强度。

HSV颜色空间使用色调（Hue）、饱和度（Saturation）和亮度（Value）三个参数来表示颜色，色调H表示颜色的种类，如红色、绿色、蓝色等；饱和度表示颜色的纯度或强度，如红色越纯，饱和度就越高；亮度表示颜色的明暗程度，如黑色比白色亮度低。

HSV颜色模型是一种六角锥体模型，如下图所示：

色调H：

使用角度度量，取值范围为0°~360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°，紫色为300°。通过改变H的值，可以选择不同的颜色

饱和度S：

饱和度S表示颜色接近光谱色的程度。一种颜色可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例越大，颜色接近光谱色的程度就越高，颜色的饱和度就越高。饱和度越高，颜色就越深而艳，光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%~100%，其中0%表示灰色或无色，100%表示纯色，通过调整饱和度的值，可以使颜色变得更加鲜艳或者更加灰暗。

明度V：

明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白），通过调整明度的值，可以使颜色变得更亮或者更暗。

一般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。

H: 0— 180

S: 0— 255

V: 0— 255

为什么有了RGB颜色空间我们还是需要转换成HSV颜色空间来进行图像处理呢？

符合人类对颜色的感知方式：人类对颜色的感知是基于色调、饱和度和亮度三个维度的，而HSV颜色空间恰好就是通过这三个维度来描述颜色的。因此，使用HSV空间处理图像可以更直观地调整颜色和进行色彩平衡等操作，更符合人类的感知习惯。颜色调整更加直观：在HSV颜色空间中，色调、饱和度和亮度的调整都是直观的，而在RGB颜色空间中调整颜色不那么直观。例如，在RGB空间中要调整红色系的颜色，需要同时调整R、G、B三个通道的数值，而在HSV空间中只需要调整色调和饱和度即可。降维处理有利于计算：在图像处理中，降维处理可以减少计算的复杂性和计算量。HSV颜色空间相对于RGB颜色空间，减少了两个维度（红、绿、蓝），这有利于进行一些计算和处理任务，比如色彩分割、匹配等。

因此，在进行图片颜色识别时，我们会将RGB图像转换到HSV颜色空间，然后根据颜色区间来识别目标颜色。

掩膜

掩膜（Mask）是一种在图像处理中常见的操作，它用于选择性地遮挡图像的某些部分，以实现特定任务的目标。掩膜通常是一个二值化图像，并且与原图像的大小相同，其中目标区域被设置为1（或白色），而其他区域被设置为0（或黑色），并且目标区域可以根据HSV的颜色范围进行修改。

与运算

"与"运算，其规则是当两个命题都是真时，其结果才为真。

而在图像处理中，“与”运算被用来对图像的像素值进行操作。具体来说，就是将两个图像中所有的对应像素值一一进行“与”运算，从而得到新的图像。

从上面的图片我们可以看出，掩膜中有很多地方是黑色的，其像素值为0，那么在与原图像进行“与”运算的时候，得到的新图像的对应位置也是黑色的，如下图所示：

通过掩膜与原图的与运算，我们就可以识别到目标颜色在原图中的位置。

注意：在OpenCV中，颜色是以BGR的方式进行存储的，而不是RGB，这也是上面红色的像素值是（0，0，255）而不是（255，0，0）的原因。

掩膜的制作运用

cv2.inRange()函数

功能 

对于 src 图像中的每个像素，cv2.inRange() 函数会检查该像素的值是否位于 lowerb 和 upperb 之间（包含边界值）。如果像素值在指定范围内，则对应的输出图像 dst 中的像素值将被设置为白色（对于 uint8 图像，即值为 255）。如果像素值不在指定范围内，则对应的输出图像 dst 中的像素值将被设置为黑色（对于 uint8 图像，即值为 0）。 参数

src：输入图像（通常为灰度图或单通道图像）。图像数据类型可以是 uint8 或 float32。如果是多通道图像，会分别对每个通道进行处理，但结果通常是针对单通道图像的应用。

lowerb：范围的下界。与 src 图像具有相同的类型和大小。这个参数指定了像素值范围的下限。

upperb：范围的上界。与 src 图像具有相同的类型和大小。这个参数指定了像素值范围的上限。

dst：输出图像。与 src 图像具有相同的类型和大小。如果未指定，则会自动创建一个与 src 相同大小和类型的图像来存储结果。

如下示例：

要求，对下面的红色与黄色区域进行颜色识别与替换，将其全部换成绿色

首先我们要进行红色掩膜与黄色掩膜的制作（先转换成HSV颜色空间）

一个掩膜筛选一个颜色，所以我们要制作两个掩膜，然后进行合并（或运算） 

 为了将目标区域给抓出来，再将掩膜与原图进行与运算，这样就能将目标区域抓出来

 上面一步只为将目标抓取，进行替换时，无需对目标单独抓取出来，将获得的掩膜与原图进行对比，对相同区域进行 三信道修改 即可。结果如下：

 代码演示

import cv2

import numpy as np

img = cv2.imread('image/hsb.png')

cv2.imshow('image',img)

img = cv2.resize(img,(700,700))

img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

yellow_min= np.array([26,43,46])

yellow_max = np.array([34,255,255])

img_mask_1 = cv2.inRange(img_hsv,yellow_min,yellow_max)

red_min = np.array([0,43,46])

red_max = np.array([10,255,255])

img_mask_2 = cv2.inRange(img_hsv,red_min,red_max)

img_mask = cv2.bitwise_or(img_mask_1,img_mask_2)

img_mask_color = cv2.bitwise_and(img,img,mask = img_mask)

for i in range(img_mask.shape[0]):

for j in range(img_mask.shape[1]):

if img_mask[i,j] == 255:

img[i,j,:] = (0,255,0)

cv2.imshow('image_mask',img_mask)

cv2.imshow('image_mask_color',img_mask_color)

cv2.imshow('NEWimage',img)

cv2.waitKey(0)

相关知识

一天卖出5000万，鲜花电商迎来新生？

网址: 05篇 https://www.huajiangbk.com/newsview1094039.html

上一篇: OpenCV实验篇：识别图片颜色

下一篇: 机器视觉学习（六）—— 图像的颜