订阅
纠错
加入自媒体

使用 OPENCV Python 进行颜色检测和选择

2022-08-16 11:48
磐创AI
关注

在今天的文章中,我们将讨论如何使用 OpenCV-python 从图像或视频内容中检测和选择颜色。

在开始之前,想指出你需要与本文一起完成的先决条件。首先,考虑到你已经了解编程,你需要知道如何在 OpenCV-python 中读取和显示图像。

读取和显示图像

这里的第一步是使用 opencv 从图像文件中读取和显示图像。为此,我们将使用下面的代码片段:

import cv2

# read the image into memory

img = cv2.imread("./images/image1.jpg")

# resise the image

img = cv2.resize(img, (640, 480))

# create a window named image and display the image inside of it.

cv2.imshow("Image", img)

# wait untill a any key is pressed to quite the program

cv2.waitKey(0)

创建 Trackbar 滑动条

为了检测图像中的颜色,我们需要将图像转换为 HSV(Hue Saturation Value)图像。此图像比例将允许用于在给定的 UPPER 和 LOWER 范围内选择颜色。

在本节中,让我们继续编写代码来创建滑动条,并从滑块中提取值作为用户输入。

为此,我们的代码需要进行更多更改。它现在应该是这样的。

import cv2

import numpy as np

def do_nothing():

   pass

# create slider here

cv2.namedWindow("Slider")

cv2.resizeWindow("Slider", 640, 480)

cv2.createTrackbar("Hue Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Hue Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Max", "Slider", 0, 255, do_nothing)

img = cv2.imread("./images/image1.jpg")

img = cv2.resize(img, (640, 480))

while True:
 

   # extract the values from the trackbar

   hue_min = cv2.getTrackbarPos("Hue Min", "Slider")

   hue_max = cv2.getTrackbarPos("Hue Max", "Slider")

   sat_min = cv2.getTrackbarPos("Saturation Min", "Slider")

   sat_max = cv2.getTrackbarPos("Saturation Max", "Slider")

   val_min = cv2.getTrackbarPos("Value Min", "Slider")

   val_max = cv2.getTrackbarPos("Value Max", "Slider")
   

   print(hue_min, hue_max, sat_min, sat_max, val_min, val_max)
   


   if cv2.waitKey(1) & 0xFF == ord("q"):

       break

cv2.destroyAllWindows()

将图像转换为 HSV 比例

现在我们能够让滑块和滑动条正常工作,让我们继续将我们的图像转换为 HSV 比例,然后能够在特定颜色范围内选择颜色。

我们可以用第35行的代码做到这一点

import cv2

import numpy as np

def do_nothing():

   pass

# create slider here

cv2.namedWindow("Slider")

cv2.resizeWindow("Slider", 640, 480)

cv2.createTrackbar("Hue Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Hue Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Max", "Slider", 0, 255, do_nothing)


img = cv2.imread("./images/image1.jpg")

img = cv2.resize(img, (640, 480))

while True:
 

   # extract the values from the trackbar

   hue_min = cv2.getTrackbarPos("Hue Min", "Slider")

   hue_max = cv2.getTrackbarPos("Hue Max", "Slider")

   sat_min = cv2.getTrackbarPos("Saturation Min", "Slider")

   sat_max = cv2.getTrackbarPos("Saturation Max", "Slider")

   val_min = cv2.getTrackbarPos("Value Min", "Slider")

   val_max = cv2.getTrackbarPos("Value Max", "Slider")
   

#     print(hue_min, hue_max, sat_min, sat_max, val_min, val_max)
   

   # convert to HSV image

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

   if cv2.waitKey(1) & 0xFF == ord("q"):

       break

cv2.destroyAllWindows()

得到我们想要的颜色的上下界

现在我们已经将图像转换为 HSV 比例,我们将更多地了解我们想要检测和选择的颜色的上限和下限。我们分别使用第35行和第36行的代码来执行此操作。

注意:确保此时已导入 numpy,否则会出现一些错误,numpy 预装了 OpenCV-Python。

import cv2

import numpy as np

def do_nothing():

   pass

# create slider here

cv2.namedWindow("Slider")

cv2.resizeWindow("Slider", 640, 480)

cv2.createTrackbar("Hue Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Hue Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Max", "Slider", 0, 255, do_nothing)

img = cv2.imread("./images/image1.jpg")

img = cv2.resize(img, (640, 480))

while True:
 

   # extract the values from the trackbar

   hue_min = cv2.getTrackbarPos("Hue Min", "Slider")

   hue_max = cv2.getTrackbarPos("Hue Max", "Slider")

   sat_min = cv2.getTrackbarPos("Saturation Min", "Slider")

   sat_max = cv2.getTrackbarPos("Saturation Max", "Slider")

   val_min = cv2.getTrackbarPos("Value Min", "Slider")

   val_max = cv2.getTrackbarPos("Value Max", "Slider")
   

#     print(hue_min, hue_max, sat_min, sat_max, val_min, val_max)

   # set bounds

   lower_bound = np.array([hue_min, sat_min, val_min])

   upper_bound = np.array([hue_max, sat_max, val_max])
   

   # convert to HSV image

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

   if cv2.waitKey(1) & 0xFF == ord("q"):

       break

cv2.destroyAllWindows()

创建一个掩码并将其用于 Bitwise_and 操作

现在,我们需要创建一个图像掩码,并使用它来执行按位操作,使用用户使用滑动条设置的 UPPER 边界和 LOWER 边界。

这将使我们能够选择该颜色范围内的颜色。我们的代码现在应该如下所示,分别在第43行和第46行进行了更改。

在第50行,我们简单地显示图像。现在你可以调整滑块并选择你选择的不同颜色。

import cv2

import numpy as np

def do_nothing():

   pass

# create slider here

cv2.namedWindow("Slider")

cv2.resizeWindow("Slider", 640, 480)

cv2.createTrackbar("Hue Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Hue Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Max", "Slider", 0, 255, do_nothing)

img = cv2.imread("./images/image1.jpg")

img = cv2.resize(img, (640, 480))


while True:
 

   # extract the values from the trackbar

   hue_min = cv2.getTrackbarPos("Hue Min", "Slider")

   hue_max = cv2.getTrackbarPos("Hue Max", "Slider")

   sat_min = cv2.getTrackbarPos("Saturation Min", "Slider")

   sat_max = cv2.getTrackbarPos("Saturation Max", "Slider")

   val_min = cv2.getTrackbarPos("Value Min", "Slider")

   val_max = cv2.getTrackbarPos("Value Max", "Slider")
   

#     print(hue_min, hue_max, sat_min, sat_max, val_min, val_max)

   # set bounds

   lower_bound = np.array([hue_min, sat_min, val_min])

   upper_bound = np.array([hue_max, sat_max, val_max])
   

   # convert to HSV image

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

   # create mask

   mask = cv2.inRange(hsv_img, lower_bound, upper_bound)
 

   #  we perform bitwise and operation here

   resulting_img = cv2.bitwise_and(img, img, mask=mask)
   
   

   # display the image here

   cv2.imshow("Image", resulting_img)
   

   if cv2.waitKey(1) & 0xFF == ord("q"):

       break


cv2.destroyAllWindows()

最后的润色

现在我们已经做到了这一点,让我们堆叠图像以获得更好的演示。可以在此代码段中找到此代码。

在第46行,我们创建了一个堆叠图像并将其显示在第49行。

import cv2

import numpy as np

def do_nothing():

   pass

# create slider here

cv2.namedWindow("Slider")

cv2.resizeWindow("Slider", 640, 480)

cv2.createTrackbar("Hue Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Hue Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Saturation Max", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Min", "Slider", 0, 255, do_nothing)

cv2.createTrackbar("Value Max", "Slider", 0, 255, do_nothing)

img = cv2.imread("./images/image1.jpg")

img = cv2.resize(img, (640, 480))

while True:

   hue_min = cv2.getTrackbarPos("Hue Min", "Slider")

   hue_max = cv2.getTrackbarPos("Hue Max", "Slider")

   sat_min = cv2.getTrackbarPos("Saturation Min", "Slider")

   sat_max = cv2.getTrackbarPos("Saturation Max", "Slider")

   val_min = cv2.getTrackbarPos("Value Min", "Slider")

   val_max = cv2.getTrackbarPos("Value Max", "Slider")

   # set bounds

   lower_bound = np.array([hue_min, sat_min, val_min])

   upper_bound = np.array([hue_max, sat_max, val_max])

   # convert to HSV image

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

   # create mask

   mask = cv2.inRange(hsv_img, lower_bound, upper_bound)


   resulting_img = cv2.bitwise_and(img, img, mask=mask)


   stacked_imgs = np.hstack([img, resulting_img])

#     create a stacked image of the original and the HSV one.

   cv2.imshow("Image", stacked_imgs)

   if cv2.waitKey(1) & 0xFF == ord("q"):

       break

cv2.destroyAllWindows()

结论

有关该项目的视频说明,请查看:

image.png

       原文标题 : 使用 OPENCV Python 进行颜色检测和选择

声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

人工智能 猎头职位 更多
扫码关注公众号
OFweek人工智能网
获取更多精彩内容
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号