在OpenCV中使用inRange（）检测范围内的颜色 我用OpenCV编写了一个C++程序，用于月球陨石坑探测，它只精确检测了一小部分陨石坑。这种方法的策略是首先将图像转换为HSV，然后使用inRange（）捕捉一系列值中的颜色以生成阈值，然后对其进行高斯模糊，并使用HoughCircles（）检测圆

我不完全理解的一件事是，当我在颜色周围给出一个高低阈值时，它根本不返回任何东西。只是一张黑色的照片。仅当我将低阈值设置为标量（0,0,0）时，它才起作用，但我相信这会使它有点不准确。有什么我不明白的吗？我的测试图像如下

月球表面

这是我用来测试此图像的代码：

#include <cstdio>
#include <iostream>

#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/features2d/features2d.hpp"

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
    // using namespace cv;

    printf("%s\n", argv[1]);
    Mat src=imread(argv[1]);

    if (!src.data) {
        std::cout << "ERROR:\topening image" <<std::endl;
        return -1;
    }

    // converts the image to hsv so that circle detection is more accurate
    Mat hsv_image;
    cvtColor(src, hsv_image, COLOR_BGR2HSV);
    // high contrast black and white
    Mat imgThreshold;
    inRange(hsv_image,
        Scalar(0, 0, 0),
        Scalar(48, 207, 74),
        imgThreshold);

    // Applies a gaussian blur to the image
    GaussianBlur( imgThreshold, imgThreshold, Size(9, 9), 2, 2 );
    // fastNlMeansDenoisingColored(imgThreshold, imgThreshold, 10, 10, 7, 21);

    vector<Vec3f> circles;
    // applies a hough transform to the image
    HoughCircles(imgThreshold, circles, CV_HOUGH_GRADIENT,
        2, // accumulator resolution (size of image / 2)
        100, //minimum dist between two circles
        400, // Canny high threshold
        10, // minimum number of votes
        10, 65); // min and max radius

    cout << circles.size() << endl;
    cout << "end of test" << endl;

    vector<Vec3f>::
          const_iterator itc = circles.begin();
    // Draws the circles on the source image
    while (itc!=circles.end()) {

        circle(src, // src_gray2
            Point((*itc)[0], (*itc)[1]), // circle center
            (*itc)[2],       // circle radius
            Scalar(0,0,255), // color
            5);              // thickness

        ++itc;
    }
    namedWindow("Threshold",CV_WINDOW_AUTOSIZE);
    resize(imgThreshold, imgThreshold, Size(src.cols/2,src.rows/2) ); // resizes it so it fits on our screen
    imshow("Threshold",imgThreshold); // displays the source iamge

    namedWindow("HSV Color Space",CV_WINDOW_AUTOSIZE);
    resize(hsv_image, hsv_image, Size(src.cols/2,src.rows/2) ); // resizes it so it fits on our screen
    imshow("HSV Color Space",hsv_image); // displays the source iamge

    namedWindow("Source Image",CV_WINDOW_AUTOSIZE);
    resize(src, src, Size(src.cols/2,src.rows/2) ); // resizes it so it fits on our screen
    imshow("Source Image",src); // displays the source iamge

    waitKey(0);
    return 0;
}

#包括
#包括
#包括“opencv2/core/core.hpp”
#包括“opencv2/highgui/highgui.hpp”
#包括“opencv2/imgproc/imgproc.hpp”
#包括“opencv2/features2d/features2d.hpp”
使用名称空间std；
使用名称空间cv；
int main（int argc，字符**argv）{
//使用名称空间cv；
printf（“%s\n”，argv[1]）；
Mat src=imread（argv[1]）；
如果（！src.data）{
std：：cout这是我的尝试：

int main(int argc, char** argv)
{
    Mat src;
    src = imread("craters1.jpg", 1);
    cvtColor(src, hsv_image, COLOR_BGR2HSV);

    Mat imgThreshold1, imgThreshold2, imgThreshold;
    inRange(hsv_image,
        Scalar(0, 0, 0),
        Scalar(48, 207, 74),
        imgThreshold1);

    inRange(hsv_image,
        Scalar(140, 0, 0),
        Scalar(180, 207, 114),
        imgThreshold2);

    imgThreshold = max(imgThreshold1, imgThreshold2); // combining the two thresholds

    Mat element_erode = getStructuringElement(MORPH_ELLIPSE, Size(5, 5));
    Mat element_dilate = getStructuringElement(MORPH_ELLIPSE, Size(10, 10));
    /// Apply the erosion and dilation operations
    erode(imgThreshold, imgThreshold, element_erode);
    dilate(imgThreshold, imgThreshold, element_dilate);

    GaussianBlur(imgThreshold, imgThreshold, Size(9, 9), 2, 2);

    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    /// Find contours
    findContours(imgThreshold, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

    for (int i = 0; i < contours.size(); i++)
    {
        drawContours(src, contours, i, Scalar(0,0,255), 2, 8, hierarchy, 0, Point());
    }

    namedWindow("Display Image", WINDOW_AUTOSIZE);
    imshow("Display Image", imgThreshold);
    imshow("Final result", src);

    waitKey(0);

    return 0;
}

int main（int argc，char**argv）
{
Mat-src；
src=imread（“1.jpg”，1）；
cvtColor（src、hsv_图像、彩色BGR2HSV）；
Mat imgThreshold 1、imgThreshold 2、imgThreshold；
在范围内（hsv_图像，
标量（0,0,0），
标量（4820774），
imgThreshold1）；
在范围内（hsv_图像，
标量（140,0,0），
标量（180207114），
imgThreshold2）；
imgThreshold=max（imgThreshold1，imgThreshold2）；//组合两个阈值
Mat element_腐蚀=getStructuringElement（变形椭圆，大小（5,5））；
Mat element_deplate=getStructuringElement（变形椭圆，大小（10,10））；
///应用侵蚀和膨胀操作
侵蚀（imgThreshold，imgThreshold，元素侵蚀）；
扩张（imgThreshold，imgThreshold，element_扩张）；
GaussianBlur（imgThreshold，imgThreshold，Size（9,9），2,2）；
矢量等值线；
向量层次；
///寻找轮廓
findContours（imgThreshold、等高线、层次、CV_RETR_树、CV_CHAIN_APPROX_SIMPLE、点（0,0））；
对于（int i=0；i

你的代码的主要区别在于我没有使用
HoughCircles
。我不确定它是否会产生好的效果，因为陨石坑没有完美的圆形。相反，我使用
findContours
来环绕陨石坑。我得到的结果如下：
希望能有帮助！
我想你是用
（28,50100）
的下限和
（7216213）的上限打电话的
？文档非常清楚函数的作用。在本例中，对于通道0，您计算的是
28@DanMašek No的结果，这是不正确的，我没有尝试调用它。这只是对几个上界的未标记注释，我对下界（0,0,0）进行了测试是的，我彻底检查了文档，这是我做的第一件事。那么，什么部分不起作用呢？我的意思是，只有一个函数调用，根据您所写的“只有当我将低阈值设置为
标量（0,0,0）
”时，它才起作用。此外，如果注释不相关，那么不要在问题中显示它们（删除不相关的垃圾需要几秒钟。）@DanMašek正如我在问题“当我给inRange（）一个关于颜色的高低阈值时，它根本不返回任何东西。只是一个黑色图像”中提到的那样，为了更详细地说明这一点，我将给出一个例子。假设我的RGB颜色为（66,53,10）当我在两个边界上使用inRange（比如说（13206,56）到（33226,76）时，我从图像中选择并将其转换为hsv（23216,66）围绕该颜色，它只是返回一个黑色图像，就好像它没有找到任何颜色一样。我这样做是否正确？即使我进一步打开边界，它似乎也不起作用。@shakked:D花更多时间研究堆栈溢出，并让我知道您是否仍然持有这种观点。我想，
opencv
标记本身就是一个充分的证据恰恰相反。哦，哇，这是一个非常好的解决方案。我有点意识到HoughCircles对此应用程序的局限性，但我不知道您的FindOntours解决方案！谢谢您！而且，我不知道可以通过这种方式组合两个阈值。谢谢您的帮助，这很好。