Python OpenCV:为颜色过滤选择HSV阈值
为了从图像中过滤出颜色,有必要设置需要检测的颜色的边界。我觉得这主要是一个反复试验的过程。有没有办法快速找到特定颜色的正确阈值?在这个特定的例子中,我试图检测下图中图形的灰色区域。这当然没有检测到虚线。对于这个例子,我需要非常具体的边界。问题是,我怎样才能轻松找到它们Python OpenCV:为颜色过滤选择HSV阈值,python,opencv,colors,filtering,hsv,Python,Opencv,Colors,Filtering,Hsv,为了从图像中过滤出颜色,有必要设置需要检测的颜色的边界。我觉得这主要是一个反复试验的过程。有没有办法快速找到特定颜色的正确阈值?在这个特定的例子中,我试图检测下图中图形的灰色区域。这当然没有检测到虚线。对于这个例子,我需要非常具体的边界。问题是,我怎样才能轻松找到它们 hsv = cv2.cvtColor(im, cv2.COLOR_BGR2HSV) lower = np.array([0, 0, 0], np.uint8) upper = np.array([180, 255, 200],
hsv = cv2.cvtColor(im, cv2.COLOR_BGR2HSV)
lower = np.array([0, 0, 0], np.uint8)
upper = np.array([180, 255, 200], np.uint8)
mask = cv2.inRange(hsv, lower, upper)
您可以使用HSV颜色阈值脚本来隔离所需的颜色范围
import cv2
import sys
import numpy as np
def nothing(x):
pass
# Create a window
cv2.namedWindow('image')
# create trackbars for color change
cv2.createTrackbar('HMin','image',0,179,nothing) # Hue is from 0-179 for Opencv
cv2.createTrackbar('SMin','image',0,255,nothing)
cv2.createTrackbar('VMin','image',0,255,nothing)
cv2.createTrackbar('HMax','image',0,179,nothing)
cv2.createTrackbar('SMax','image',0,255,nothing)
cv2.createTrackbar('VMax','image',0,255,nothing)
# Set default value for MAX HSV trackbars.
cv2.setTrackbarPos('HMax', 'image', 179)
cv2.setTrackbarPos('SMax', 'image', 255)
cv2.setTrackbarPos('VMax', 'image', 255)
# Initialize to check if HSV min/max value changes
hMin = sMin = vMin = hMax = sMax = vMax = 0
phMin = psMin = pvMin = phMax = psMax = pvMax = 0
img = cv2.imread('1.png')
output = img
waitTime = 33
while(1):
# get current positions of all trackbars
hMin = cv2.getTrackbarPos('HMin','image')
sMin = cv2.getTrackbarPos('SMin','image')
vMin = cv2.getTrackbarPos('VMin','image')
hMax = cv2.getTrackbarPos('HMax','image')
sMax = cv2.getTrackbarPos('SMax','image')
vMax = cv2.getTrackbarPos('VMax','image')
# Set minimum and max HSV values to display
lower = np.array([hMin, sMin, vMin])
upper = np.array([hMax, sMax, vMax])
# Create HSV Image and threshold into a range.
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(hsv, lower, upper)
output = cv2.bitwise_and(img,img, mask= mask)
# Print if there is a change in HSV value
if( (phMin != hMin) | (psMin != sMin) | (pvMin != vMin) | (phMax != hMax) | (psMax != sMax) | (pvMax != vMax) ):
print("(hMin = %d , sMin = %d, vMin = %d), (hMax = %d , sMax = %d, vMax = %d)" % (hMin , sMin , vMin, hMax, sMax , vMax))
phMin = hMin
psMin = sMin
pvMin = vMin
phMax = hMax
psMax = sMax
pvMax = vMax
# Display output image
cv2.imshow('image',output)
# Wait longer to prevent freeze for videos.
if cv2.waitKey(waitTime) & 0xFF == ord('q'):
break
cv2.destroyAllWindows()
另一个选择是使用。您可以上传图像,并在您的情况下获得一些值,如HSV:97.5°5.1%61.57%
。注意,您需要将它们转换为H、S和V的OpenCV比例
H、 OpenCV中的色调从0到180不等,但在外部世界中,它通常是以0到360度的度数测量的,因此要获得颜色的HH=97.5°/2=48.7
S和V的测量范围为0(=外部世界的0%)
到255(=外部世界的100%)
,因此
s = 255 * 5.1% = 13
v = 255 * 61.57% = 157
因此,目标HSV颜色为
(49、13、157)
。我建议使用±10作为范围。或者更严格。我认为您的案例可以只选择中心图的像素,而不选择任何标签,然后在需要时应用形态学操作关闭。您可以查看直方图。或者获得一份独特颜色的列表。或者将颜色减少到较小的数字,并在减少的颜色图像上使用这些颜色。然后将这些颜色转换为HSV以满足您的极限。这已经是一个非常有用的工具,谢谢!现在还有一种方法可以将灰度区域从图像中分离出来,而不必检测虚线。我正在测试的tresholds似乎同时检测到了这两种情况……类似的脚本在imutils
包中可用,您可以pip安装imutils
。它被称为范围检测器
,并在安装后添加到$PATH
。@DimaMironov很有趣,但相比之下,该工具似乎毫无用处。它只显示滑块,而不显示它使用的数值,因此您无法将它们复制到代码中,而且滑块的顺序完全混乱且不合逻辑。