opencv 中有几百种颜色空间,可通过如下方式获取;

flags = [i for i in dir(cv) if i.startswith('COLOR')]
print(len(flags))       # 296 种

其中最常用的是 gray 和 hsv 空间;

 

颜色空间转换

opencv 直接读取图片是 RGB 空间,使用  cvtColor 转换到 其他空间

def cvtColor(src, code, dst=None, dstCn=None)

code 表示 转换方式

 

示例

### BGR --> GRAY
img = cv.imread('imgs/2.png')
img_gray = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
cv.imshow('img', img)
cv.imshow('gray', img_gray)
cv.waitKey(0)

效果图

### BGR --> HSV
img = cv.imread('imgs/2.png')
img_hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
cv.imshow('img', img)
cv.imshow('hsv', img_hsv)
cv.waitKey(0)

效果图

 

HSV 空间

在 RGB 空间中,颜色会受到光照影响,且 3个通道也会彼此影响,无法准确描述像素;

在 HSV 空间中,三者相互独立,可准确描述像素的 亮度、饱和度、色调

H(色调):用角度度量,取值范围为0°~360°  颜色的深浅

S(饱和度,深度):表示颜色接近光谱色的程度。通常取值范围为0%~100%,值越大,颜色越饱和。  颜色的分离被定义为饱和度

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)。

1. 在HSV中比在BGR颜色空间中 更容易表示颜色;

2. HSV对外部照明的微小变化更敏感。它将提供更准确的掩膜,从而获得更好的结果。

 

============== 2023.2.22 更新 ==============

原图,色度,饱和度,亮度

tricks

1. 在HSV域对V分量使用gamma校正改善亮度问题、或者使用直方图均衡处理V通道提高图像对比度,然后再合并

==============  ==============  ==============

 

对象追踪 - 颜色空间的简单应用

利用像素实现对象跟踪,这是最简单的跟踪方式;

步骤:取视频的每一帧 - 从BGR转换到HSV颜色空间 - 对HSV图像设置蓝色范围的阈值 - 掩膜单独提取蓝色对象

 

代码

cap = cv.VideoCapture(0)
while(1):
    # 读取帧
    _, frame = cap.read()
    frame = cv.imread('imgs/30.png')        # 没有视频,拿一张图片做一帧
    # 转换颜色空间 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定义HSV中蓝色的范围
    lower_blue = np.array([110, 50, 50])
    upper_blue = np.array([130, 255, 255])
    # 设置HSV的阈值使得只取蓝色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    # 将掩膜和图像逐像素相加
    res = cv.bitwise_and(frame, frame, mask=mask)

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

效果图

 

如何获取 HSV像素值

如何获取 RGB空间 追踪像素的 HSV空间 对应的像素值 呢?

只需传递你想要的BGR值,而不是传递图像, 如

green = np.uint8([[[0, 255, 0]]])
hsv_green = cv.cvtColor(green, cv.COLOR_BGR2HSV)
print(hsv_green)       # [[[ 60 255 255]]]

blue = np.uint8([[[255, 0, 0]]])
hsv_blue = cv.cvtColor(blue, cv.COLOR_BGR2HSV)
print(hsv_blue)        # [[[120 255 255]]]

然后把 [H-10, 100, 100] 和 [H+10, 255, 255] 分别作为下界和上界

除了这个方法之外,你可以使用任何图像编辑工具(如GIMP或任何在线转换器)来查找这些值,但是不要忘记调整HSV范围

 

 

 

 

 

 

参考资料:

https://baike.baidu.com/item/HSV/547122?fr=aladdin  HSV颜色模型

http://www.woshicver.com/FifthSection/4_1_%E6%94%B9%E5%8F%98%E9%A2%9C%E8%89%B2%E7%A9%BA%E9%97%B4/  中文官网

https://mp.weixin.qq.com/s/YvAhBsIT3qSSVh1Ue4UFrg  开始使用 OpenCV 进行对象跟踪

https://blog.csdn.net/Aoman_Hao/article/details/126295498?spm=1001.2014.3001.5502  色彩空间介绍