基于Opencv实现颜色识别
- 格式：pdf
- 大小：96.40 KB
- 文档页数：3
基于Opencv实现颜⾊识别
彩⾊模型
数字图像处理中常⽤的采⽤模型是RGB（红，绿，蓝）模型和HSV（⾊调，饱和度，亮度），RGB⼴泛应⽤于彩⾊监视器和
彩⾊视频摄像机，我们平时的图⽚⼀般都是RGB模型。⽽HSV模型更符合⼈描述和解释颜⾊的⽅式，HSV的彩⾊描述对⼈来
说是⾃然且⾮常直观的。
HSV模型
HSV模型中颜⾊的参数分别是：⾊调（H：hue），饱和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年创
建的⼀种颜⾊空间, 也称六⾓锥体模型(Hexcone Model)。
(1)⾊调（H：hue）：⽤⾓度度量，取值范围为0°～360°，从红⾊开始按逆时针⽅向计算，红⾊为0°，绿⾊为120°,蓝⾊为
240°。它们的补⾊是：黄⾊为60°，青⾊为180°,品红为300°；
(2)饱和度（S：saturation）：取值范围为0.0～1.0，值越⼤，颜⾊越饱和。
(3)亮度（V：value）：取值范围为0(⿊⾊)～255(⽩⾊）
RGB转成HSV
设 (r, g, b) 分别是⼀个颜⾊的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设 max 等价于 r, g 和 b 中的最⼤者。设 min
等于这些值中的最⼩者。要找到在 HSV 空间中的 (h, s, v) 值，这⾥的 h ∈ [0, 360）是⾓度的⾊相⾓，⽽ s, v ∈ [0,1] 是饱和度
和亮度，⽅法如下：
max=max(R,G,B)
min=min(R,G,B)
if R = max, H = (G-B)/(max-min)
if G = max, H = 2 + (B-R)/(max-min)
if B = max, H = 4 + (R-G)/(max-min)
H = H * 60if H < 0, H = H + 360V=max(R,G,B)
S=(max-min)/max
OpenCV下有个函数可以直接将RGB模型转换为HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我们知
道H分量基本能表⽰⼀个物体的颜⾊，但是S和V的取值也要在⼀定范围内，因为S代表的是H所表⽰的那个颜⾊和⽩⾊的混合
程度，也就说S越⼩，颜⾊越发⽩，也就是越浅；V代表的是H所表⽰的那个颜⾊和⿊⾊的混合程度，也就说V越⼩，颜⾊越发
⿊。经过实验，识别蓝⾊的取值是 H在100到140，S和V都在90到255之间。⼀些基本的颜⾊H的取值可以如下设置：
Orange 0-22，Yellow 22- 38，Green 38-75，Blue 75-130，Violet 130-160，Red 160-179
具体实现
（1） 读取⼀张图⽚
cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);
（2）将彩⾊图像均衡化
split(imgHSV, hsvSplit);
equalizeHist(hsvSplit[2],hsvSplit[2]);
merge(hsvSplit,imgHSV);
（3）检测颜⾊
inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);
（4）进⾏开操作和闭操作，去除噪声的影响。Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
代码：
#include
#include
#include
using namespace cv;
using namespace std;
//⼊⼝主函数
int main(int argc, char** argv)
{
//打开摄像头，从摄像头获取图像
VideoCapture cap(0);
if (!cap.isOpened())
{
cout << "Cannot open the web cam"< return -1; } //创建窗⼝ namedWindow("Control",CV_WINDOW_AUTOSIZE); int iLowH = 100; int iHighH = 140; int iLowS = 90; int iHighS = 255; int iLowV = 90; int iHighV = 255; //创建进度条 cvCreateTrackbar("LowH","Control",&iLowH,179); cvCreateTrackbar("HighH", "Control", &iHighH,179); cvCreateTrackbar("LowS", "Control", &iLowS,255); cvCreateTrackbar("Highs", "Control", &iHighS,255); cvCreateTrackbar("LowV", "Control", &iLowV,255); cvCreateTrackbar("HighV", "Control", &iHighV,255); //while循环加载图⽚ while (true) { Mat imgOriginal; bool bSuccess = cap.read(imgOriginal); if (!bSuccess) { cout << "Cannot read a frame from video stream" << endl; break; } // Mat imgHSV; vector cvtColor(imgOriginal,imgHSV,COLOR_BGR2HSV); //转化成直⽅图均衡化 split(imgHSV,hsvSplit); equalizeHist(hsvSplit[2],hsvSplit[2]); merge(hsvSplit,imgHSV); Mat imgThresholded; //确定颜⾊显⽰的范围 inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,iHighV),imgThresholded); //去除噪点 Mat element = getStructuringElement(MORPH_RECT,Size(5,5)); morphologyEx(imgThresholded,imgThresholded,MORPH_OPEN,element); //连接连通域 morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element); imshow("Thresholded Image",imgThresholded); imshow("Original",imgOriginal); //等待时间 char Key = (char)waitKey(300); if (Key==27) { break; } } return 0; } 以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持。
