python hsv多点比色

以下是 Python 中进行多点比色的另一种方法示例：

1. 首先，导入必要的库和模块：

import cv2
import numpy as np

　　

1. 加载原始图像和目标图像，并将它们转换成 HSV 颜色空间：

2. # 加载原始图像和目标图像
   img = cv2.imread('original_image.jpg')
   target = cv2.imread('target_image.jpg')
    
   # 将图像转换成 HSV 颜色空间
   img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
   target_hsv = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)
   

   　　

1. 定义一个函数，用于检测目标图像中的像素是否存在于原始图像中

   def detect_pixel(target_hsv, img_hsv):
       # 获取目标图像的颜色范围
       lower_range = np.array([target_hsv[0], target_hsv[1], target_hsv[2]])
       upper_range = np.array([target_hsv[0], target_hsv[1], target_hsv[2]])
    
       # 在原始图像中搜索目标颜色的像素
       mask = cv2.inRange(img_hsv, lower_range, upper_range)
       count = cv2.countNonZero(mask)
    
       # 如果目标颜色的像素存在于原始图像中，则返回 True，否则返回 False
       if count > 0:
           return True
       else:
           return False
   

4. 1. 遍历目标图像中的每个像素，并使用上述函数来检测它是否存在于原始图像中：

   2. # 遍历目标图像中的每个像素
      for i in range(target_hsv.shape[0]):
          for j in range(target_hsv.shape[1]):
              # 检测像素是否存在于原始图像中
              pixel = target_hsv[i][j]
              if detect_pixel(pixel, img_hsv):
                  # 如果存在，则将像素设置为白色
                  target_hsv[i][j] = [255, 255, 255]
              else:
                  # 否则将像素设置为黑色
                  target_hsv[i][j] = [0, 0, 0]
      

      　　

   3. 1. 将处理后的图像转换回 BGR 颜色空间，并保存结果：

      2. # 将处理后的图像转换回 BGR 颜色空间
         result = cv2.cvtColor(target_hsv, cv2.COLOR_HSV2BGR)
          
         # 保存结果
         cv2.imwrite('result.jpg', result)