基于OpenCV的HSV颜色检测

“红色”颜色检测尚未工作。下面的代码用于检测输入图像中的红色条，并返回在相应位置显示白色条的遮罩图像

InputRGB图像中“红色”条的相应HSV值为：H=177，S=252，V=244

    cv::Mat findColor(cv::Mat inputRGBimage) {

    cv::Mat imageHSV(inputRGBimage.rows, inputRGBimage.cols, CV_8UC3);
    cv::Mat imgThreshold(inputRGBimage.rows, inputRGBimage.cols, CV_8UC1);

    // convert input-image to HSV-image
    cvtColor(inputRGBimage, imageHSV, cv::COLOR_BGR2HSV);

    // for red: (H < 14)
    // cv::inRange(imageHSV, cv::Scalar(0, 53, 185, 0), cv::Scalar(14, 255, 255, 0), imgThreshold);
    // or (H > 165) (...closing HSV-circle)
    cv::inRange(imageHSV, cv::Scalar(165, 53, 185, 0), cv::Scalar(180, 255, 255, 0), imgThreshold);

    return imgThreshold;
}

作为第三个示例：（H>100）：

为什么在我的3个代码示例（将H值从165降低到100）中，意外的颜色顺序显示为“蓝色->紫色->红色->橙色”，而不是实际预期的HSV车轮粗略顺序“红色->紫色->蓝色->绿色->黄色->橙色”

OpenCV中的HSV具有以下范围：

---

0确保图像使用通道顺序B、G、R。此外，对于红色，您需要检查两个值范围，一个在

H=0

周围，另一个在

H=180

周围。您可以尝试以下功能：

cv::Mat findColor(const cv::Mat & inputBGRimage, int rng=15)
{
    // Make sure that your input image uses the channel order B, G, R (check not implemented).
    cv::Mat input = inputBGRimage.clone();
    cv::Mat imageHSV;//(input.rows, input.cols, CV_8UC3);
    cv::Mat imgThreshold, imgThreshold0, imgThreshold1;//(input.rows, input.cols, CV_8UC1);
    assert( ! input.empty() );

    // convert input-image to HSV-image
    cv::cvtColor( input, imageHSV, cv::COLOR_BGR2HSV );

    // In the HSV-color space the color 'red' is located around the H-value 0 and also around the
    // H-value 180. That is why you need to threshold your image twice and the combine the results.
    cv::inRange(imageHSV, cv::Scalar(      0, 53, 185, 0), cv::Scalar(rng, 255, 255, 0), imgThreshold0);

    if ( rng > 0 )
    {
        cv::inRange(imageHSV, cv::Scalar(180-rng, 53, 185, 0), cv::Scalar(180, 255, 255, 0), imgThreshold1);
        cv::bitwise_or( imgThreshold0, imgThreshold1, imgThreshold );
    }
    else
    {
        imgThreshold = imgThreshold0;
    }

    return imgThreshold;
}

---

祝你好运！：）

两件事：第一个色调被分成两个区域：0到x和x到180，所以你需要两个区域，否则你必须“移动”你的色调。第二：可能会将饱和度和值范围增加到0..255或n..255，但您的测试结果很奇怪。明天将测试您的输入名为

inputgbimage

，但您可以使用标志

cv:：COLOR\u BGR2HSV

将其转换为HSV。那么，您使用的通道顺序是RGB还是BGR？如果您使用前者，它将解释为什么会检测到蓝色区域。@nils：谢谢您的提示！我确实忽略了代码中RGB和BGR的细节！用cv:：COLOR\u RGB2HSV替换cv:：COLOR\u BGR2HSV，一切正常！！顺便说一下，使用SWIFT，图像源于UIImage，因此（在nils的提示下）现在进行以下转换：UIImage->RGBA2RGB->RGB->HSV。。。。OpenCV包装器使用的两种方法是：for（imageArray中的id image）{if（[image isKindOfClass:[UIImage class]]）{cv:：matImage=[image CVMat3]；matImages.push_back（matImage）；}}和-（cv:：Mat）CVMat3{cv：：Mat result=[self CVMat]；cv:：cvtColor（结果，结果，CV_RGBA2RGB）；返回结果；}

    // or (H > 100) (...closing HSV-circle)
    cv::inRange(imageHSV, cv::Scalar(100, 53, 185, 0), cv::Scalar(180, 255, 255, 0), imgThreshold);

cv::Mat findColor(const cv::Mat & inputBGRimage, int rng=15)
{
    // Make sure that your input image uses the channel order B, G, R (check not implemented).
    cv::Mat input = inputBGRimage.clone();
    cv::Mat imageHSV;//(input.rows, input.cols, CV_8UC3);
    cv::Mat imgThreshold, imgThreshold0, imgThreshold1;//(input.rows, input.cols, CV_8UC1);
    assert( ! input.empty() );

    // convert input-image to HSV-image
    cv::cvtColor( input, imageHSV, cv::COLOR_BGR2HSV );

    // In the HSV-color space the color 'red' is located around the H-value 0 and also around the
    // H-value 180. That is why you need to threshold your image twice and the combine the results.
    cv::inRange(imageHSV, cv::Scalar(      0, 53, 185, 0), cv::Scalar(rng, 255, 255, 0), imgThreshold0);

    if ( rng > 0 )
    {
        cv::inRange(imageHSV, cv::Scalar(180-rng, 53, 185, 0), cv::Scalar(180, 255, 255, 0), imgThreshold1);
        cv::bitwise_or( imgThreshold0, imgThreshold1, imgThreshold );
    }
    else
    {
        imgThreshold = imgThreshold0;
    }

    return imgThreshold;
}