使用OpenCV的Python图像中的颜色百分比

我正在创建一个可以检测图像中绿色百分比的代码

我对OpenCV有一点经验，但对图像处理还是相当陌生，希望在代码方面得到一些帮助。我应该如何更改此代码，使其能够计算绿色而不是棕色的百分比？如果不太麻烦的话，有人能解释一下这些更改是如何影响代码的吗？下面是我想使用的图像链接。 代码归@mmensing所有

将numpy导入为np
进口cv2
img=cv2.imread（'potato.jpg'）
布朗=[145,80,40]#RGB
差值=20
边界=[（[brown[2]-diff，brown[1]-diff，brown[0]-diff]，
[棕色[2]+diff，棕色[1]+diff，棕色[0]+diff]）]
对于边界中的（下部、上部）：
lower=np.array（lower，dtype=np.uint8）
upper=np.array（upper，dtype=np.uint8）
遮罩=cv2.inRange（img，下部，上部）
输出=cv2。按位_和（img，img，mask=mask）
比率=cv2.countNonZero（掩码）/（img.size/3）
打印（'brown pixel percentage:'，np.round（比率\u brown*100,2））
cv2.imshow（“图像”，np.hstack（[img，输出]）
cv2.等待键（0）

我修改了您的脚本，以便您可以在测试图像中找到绿色的（近似）百分比。我添加了一些注释来解释代码：

# Imports
import cv2
import numpy as np

# Read image
imagePath = "D://opencvImages//"
img = cv2.imread(imagePath+"leaves.jpg")

# Here, you define your target color as
# a tuple of three values: RGB
green = [130, 158, 0]

# You define an interval that covers the values
# in the tuple and are below and above them by 20
diff = 20

# Be aware that opencv loads image in BGR format,
# that's why the color values have been adjusted here:
boundaries = [([green[2], green[1]-diff, green[0]-diff],
           [green[2]+diff, green[1]+diff, green[0]+diff])]

# Scale your BIG image into a small one:
scalePercent = 0.3

# Calculate the new dimensions
width = int(img.shape[1] * scalePercent)
height = int(img.shape[0] * scalePercent)
newSize = (width, height)

# Resize the image:
img = cv2.resize(img, newSize, None, None, None, cv2.INTER_AREA)

# check out the image resized:
cv2.imshow("img resized", img)
cv2.waitKey(0)


# for each range in your boundary list:
for (lower, upper) in boundaries:

    # You get the lower and upper part of the interval:
    lower = np.array(lower, dtype=np.uint8)
    upper = np.array(upper, dtype=np.uint8)

    # cv2.inRange is used to binarize (i.e., render in white/black) an image
    # All the pixels that fall inside your interval [lower, uipper] will be white
    # All the pixels that do not fall inside this interval will
    # be rendered in black, for all three channels:
    mask = cv2.inRange(img, lower, upper)

    # Check out the binary mask:
    cv2.imshow("binary mask", mask)
    cv2.waitKey(0)

    # Now, you AND the mask and the input image
    # All the pixels that are white in the mask will
    # survive the AND operation, all the black pixels
    # will remain black
    output = cv2.bitwise_and(img, img, mask=mask)

    # Check out the ANDed mask:
    cv2.imshow("ANDed mask", output)
    cv2.waitKey(0)

    # You can use the mask to count the number of white pixels.
    # Remember that the white pixels in the mask are those that
    # fall in your defined range, that is, every white pixel corresponds
    # to a green pixel. Divide by the image size and you got the
    # percentage of green pixels in the original image:
    ratio_green = cv2.countNonZero(mask)/(img.size/3)

    # This is the color percent calculation, considering the resize I did earlier.
    colorPercent = (ratio_green * 100) / scalePercent

    # Print the color percent, use 2 figures past the decimal point
    print('green pixel percentage:', np.round(colorPercent, 2))

    # numpy's hstack is used to stack two images horizontally,
    # so you see the various images generated in one figure:
    cv2.imshow("images", np.hstack([img, output]))
    cv2.waitKey(0)

输出：

green pixel percentage: 89.89

我制作了一些图像，这是绿色的二值遮罩：

这是从掩模和输入图像中导出的

和
：

关于此代码段的其他一些备注：

在加载图像时，必须小心使用
OpenCV
BGR
格式，而不是通常的
RGB
。在这里，代码片段有如下内容
通过反转边界列表中的元素来覆盖，但保持
注意这个常见的陷阱


您的输入图像太大，甚至无法使用
cv2.imshow
。我调整了它的大小并处理了它。最后，
你看，我在最后的百分比中考虑了这个调整大小的比例
计算


取决于您定义的目标颜色和所需的差异
使用时，可能会产生负值。在这种情况下
例如，对于
R=0
值，减去
diff
后
获取
-20
。这在编码颜色时没有意义
无符号8位的强度。这些值必须在
[0255]
范围内。
使用此方法时，请注意负值


现在，您可能会看到该方法不是很健壮。根据您正在做的事情，您可以切换到以获得更好、更精确的二进制掩码

您可以使用以下方法尝试基于HSV的

# The HSV mask values, defined for the green color:
lowerValues = np.array([29, 89, 70])
upperValues = np.array([179, 255, 255])

# Convert the image to HSV:
hsvImage = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Create the HSV mask
hsvMask = cv2.inRange(hsvImage, lowerValues, upperValues)

# AND mask & input image:
hsvOutput = cv2.bitwise_and(img, img, mask=hsvMask)

这将为您提供一个漂亮的蒙面图像：

我已经修改了你的脚本，所以你可以在测试图像中找到绿色的（近似）百分比。我添加了一些注释来解释代码：

# Imports
import cv2
import numpy as np

# Read image
imagePath = "D://opencvImages//"
img = cv2.imread(imagePath+"leaves.jpg")

# Here, you define your target color as
# a tuple of three values: RGB
green = [130, 158, 0]

# You define an interval that covers the values
# in the tuple and are below and above them by 20
diff = 20

# Be aware that opencv loads image in BGR format,
# that's why the color values have been adjusted here:
boundaries = [([green[2], green[1]-diff, green[0]-diff],
           [green[2]+diff, green[1]+diff, green[0]+diff])]

# Scale your BIG image into a small one:
scalePercent = 0.3

# Calculate the new dimensions
width = int(img.shape[1] * scalePercent)
height = int(img.shape[0] * scalePercent)
newSize = (width, height)

# Resize the image:
img = cv2.resize(img, newSize, None, None, None, cv2.INTER_AREA)

# check out the image resized:
cv2.imshow("img resized", img)
cv2.waitKey(0)


# for each range in your boundary list:
for (lower, upper) in boundaries:

    # You get the lower and upper part of the interval:
    lower = np.array(lower, dtype=np.uint8)
    upper = np.array(upper, dtype=np.uint8)

    # cv2.inRange is used to binarize (i.e., render in white/black) an image
    # All the pixels that fall inside your interval [lower, uipper] will be white
    # All the pixels that do not fall inside this interval will
    # be rendered in black, for all three channels:
    mask = cv2.inRange(img, lower, upper)

    # Check out the binary mask:
    cv2.imshow("binary mask", mask)
    cv2.waitKey(0)

    # Now, you AND the mask and the input image
    # All the pixels that are white in the mask will
    # survive the AND operation, all the black pixels
    # will remain black
    output = cv2.bitwise_and(img, img, mask=mask)

    # Check out the ANDed mask:
    cv2.imshow("ANDed mask", output)
    cv2.waitKey(0)

    # You can use the mask to count the number of white pixels.
    # Remember that the white pixels in the mask are those that
    # fall in your defined range, that is, every white pixel corresponds
    # to a green pixel. Divide by the image size and you got the
    # percentage of green pixels in the original image:
    ratio_green = cv2.countNonZero(mask)/(img.size/3)

    # This is the color percent calculation, considering the resize I did earlier.
    colorPercent = (ratio_green * 100) / scalePercent

    # Print the color percent, use 2 figures past the decimal point
    print('green pixel percentage:', np.round(colorPercent, 2))

    # numpy's hstack is used to stack two images horizontally,
    # so you see the various images generated in one figure:
    cv2.imshow("images", np.hstack([img, output]))
    cv2.waitKey(0)

输出：

green pixel percentage: 89.89

我制作了一些图像，这是绿色的二值遮罩：

这是从掩模和输入图像中导出的
和
：

关于此代码段的其他一些备注：

在加载图像时，必须小心使用
OpenCV
BGR
格式，而不是通常的
RGB
。在这里，代码片段有如下内容
通过反转边界列表中的元素来覆盖，但保持
注意这个常见的陷阱


您的输入图像太大，甚至无法使用
cv2.imshow
。我调整了它的大小并处理了它。最后，
你看，我在最后的百分比中考虑了这个调整大小的比例
计算


取决于您定义的目标颜色和所需的差异
使用时，可能会产生负值。在这种情况下
例如，对于
R=0
值，减去
diff
后
获取
-20
。这在编码颜色时没有意义
无符号8位的强度。这些值必须在
[0255]
范围内。
使用此方法时，请注意负值


现在，您可能会看到该方法不是很健壮。根据您正在做的事情，您可以切换到以获得更好、更精确的二进制掩码

您可以使用以下方法尝试基于HSV的

# The HSV mask values, defined for the green color:
lowerValues = np.array([29, 89, 70])
upperValues = np.array([179, 255, 255])

# Convert the image to HSV:
hsvImage = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Create the HSV mask
hsvMask = cv2.inRange(hsvImage, lowerValues, upperValues)

# AND mask & input image:
hsvOutput = cv2.bitwise_and(img, img, mask=hsvMask)

这将为您提供一个漂亮的蒙面图像：

非常感谢你！这真的帮助了我，我真的很感激。解释也很清楚！我只想问一下如何测试基于HSV的面罩。我应该将其替换/添加到代码的哪个部分？@LimWZ在您的代码中定义了颜色范围的下限和上限，如下所示：
bounders=[（[green[2]，green[1]…
作为
绿色
的函数。HSV版本通过
低值
和
高值
数组硬编码此间隔值。这是您必须修改的位。此外，我正在使用
cv2.cvlor
将输入图像转换为
HSV
。该位不会出现在代码中，因为您是已经在处理
RGB
颜色空间。您可以在HSV版本中获得如下
ratio_green
：
ratio_green=cv2.countNonZero（hsvMask）
。非常感谢！这真的帮助了我，我非常感谢。解释也很清楚！我只是想问一下如何测试基于HSV的掩码。我应该替换/添加到代码的哪个部分？@LimWZ在您的代码中定义了颜色范围的下限和上限，如下所示：
边界=[（[green[2]，green[1]…
作为
green
的函数。HSV版本通过
lowerValues
和
upperValues
数组硬编码此间隔值。这是您必须修改的位。此外，我正在将输入图像转换为