基于Opencv實現顏色識別

更新時間：2019年07月23日 10:33:56 作者：qq_37269094

這篇文章主要為大家詳細介紹了基于Opencv實現顏色識別，具有一定的參考價值，感興趣的小伙伴們可以參考一下

彩色模型

數字圖像處理中常用的采用模型是RGB（紅，綠，藍）模型和HSV（色調，飽和度，亮度），RGB廣泛應用于彩色監(jiān)視器和彩色視頻攝像機，我們平時的圖片一般都是RGB模型。而HSV模型更符合人描述和解釋顏色的方式，HSV的彩色描述對人來說是自然且非常直觀的。

HSV模型

HSV模型中顏色的參數分別是：色調（H：hue），飽和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年創(chuàng)建的一種顏色空間, 也稱六角錐體模型(Hexcone Model)。

(1)色調（H：hue）：用角度度量，取值范圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°。它們的補色是：黃色為60°，青色為180°,品紅為300°；

(2)飽和度（S：saturation）：取值范圍為0.0～1.0，值越大，顏色越飽和。

(3)亮度（V：value）：取值范圍為0(黑色)～255(白色）

RGB轉成HSV

設 (r, g, b) 分別是一個顏色的紅、綠和藍坐標，它們的值是在 0 到 1 之間的實數。設 max 等價于 r, g 和 b 中的最大者。設 min 等于這些值中的最小者。要找到在 HSV 空間中的 (h, s, v) 值，這里的 h ∈ [0, 360）是角度的色相角，而 s, v ∈ [0,1] 是飽和度和亮度，方法如下：

max=max(R,G,B)

min=min(R,G,B)

if R = max, H = (G-B)/(max-min)

if G = max, H = 2 + (B-R)/(max-min)

if B = max, H = 4 + (R-G)/(max-min)

H = H * 60

if H < 0, H = H + 360

V=max(R,G,B)
S=(max-min)/max

OpenCV下有個函數可以直接將RGB模型轉換為HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我們知道H分量基本能表示一個物體的顏色，但是S和V的取值也要在一定范圍內，因為S代表的是H所表示的那個顏色和白色的混合程度，也就說S越小，顏色越發(fā)白，也就是越淺；V代表的是H所表示的那個顏色和黑色的混合程度，也就說V越小，顏色越發(fā)黑。經過實驗，識別藍色的取值是 H在100到140，S和V都在90到255之間。一些基本的顏色H的取值可以如下設置：

Orange 0-22，Yellow 22- 38，Green 38-75，Blue 75-130，Violet 130-160，Red 160-179

具體實現

（1）讀取一張圖片

cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);

（2）將彩色圖像均衡化

split(imgHSV, hsvSplit);
equalizeHist(hsvSplit[2],hsvSplit[2]);
merge(hsvSplit,imgHSV);

（3）檢測顏色

inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);

（4）進行開操作和閉操作，去除噪聲的影響。

Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);

代碼：

#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
 
using namespace cv;
using namespace std;
 
//入口主函數
int main(int argc, char** argv)
{
 //打開攝像頭，從攝像頭獲取圖像
 VideoCapture cap(0);
 if (!cap.isOpened())
 {
 cout << "Cannot open the web cam"<<endl;
 return -1;
 }
 //創(chuàng)建窗口
 namedWindow("Control",CV_WINDOW_AUTOSIZE);
 
 int iLowH = 100;
 int iHighH = 140;
 
 int iLowS = 90;
 int iHighS = 255;
 
 int iLowV = 90;
 int iHighV = 255;
 //創(chuàng)建進度條
 cvCreateTrackbar("LowH","Control",&iLowH,179);
 cvCreateTrackbar("HighH", "Control", &iHighH,179);
 
 cvCreateTrackbar("LowS", "Control", &iLowS,255);
 cvCreateTrackbar("Highs", "Control", &iHighS,255);
 
 cvCreateTrackbar("LowV", "Control", &iLowV,255);
 cvCreateTrackbar("HighV", "Control", &iHighV,255);
 //while循環(huán)加載圖片
 while (true)
 {
 Mat imgOriginal;
 bool bSuccess = cap.read(imgOriginal);
  
 if (!bSuccess)
 {
 cout << "Cannot read a frame from video stream" << endl;
 break;
 }
 //
 Mat imgHSV;
 vector<Mat> hsvSplit;
 cvtColor(imgOriginal,imgHSV,COLOR_BGR2HSV);
 
 //轉化成直方圖均衡化
 split(imgHSV,hsvSplit);
 equalizeHist(hsvSplit[2],hsvSplit[2]);
 merge(hsvSplit,imgHSV);
 Mat imgThresholded;
 //確定顏色顯示的范圍
 inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,iHighV),imgThresholded);
 //去除噪點
 Mat element = getStructuringElement(MORPH_RECT,Size(5,5));
 morphologyEx(imgThresholded,imgThresholded,MORPH_OPEN,element);
  //連接連通域
 morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
 imshow("Thresholded Image",imgThresholded);
 imshow("Original",imgOriginal);
 //等待時間
 char Key = (char)waitKey(300);
 if (Key==27)
 {
 break;
 }
 }
 return 0;
}

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: