OpenCV_Python官方文档9——转换颜色空间&颜色过滤

OpenCV-Python Tutorials

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

1.转换颜色空间

OpenCV中默认的颜色通道为BGR模式，在标准的24bit颜色空间图像中存储字节依次为蓝色部分，绿色，红色部分。而在调用matplotlib库显示图片时，默认颜色通道为RGB模式，所以在输出图像之前要进行一步转换颜色通道。
并且不同的颜色空间有着不同的特性，应用在不同的领域。为了满足不同用途的需要，人们开发了不同的颜色空间。在实际中需要进行不同颜色空间的选择和转换。

主要函数

• cv2.cvtColor()
  用来转换颜色空间。共两个参数，第一个参数是要转换的图片，第二个参数是转换模式。比如 cv2.COLOR_BGR2GRAY 就代表要将BGR（OpenCV 读取彩色图像的方式）转换为灰度模式，再返回转换后的图像。

该函数的转换模式较多，具体请点击这里获得更多转换模式。
也可通过以下代码查看

import cv2
flags = [i for i in dir(cv2) if i.startswith('COLOR_')]
print (flags)

常用的颜色空间转换模式有cv2.COLOR_BGR2GRAY, cv2.COLOR_RGB2HSV,cv2.COLOR_BGR2HLS
其中，HSV格式，H（色调）的取值范围为 [0，179]， S（饱和度）的取值范围为 [0，255]，V（亮度）的取值范围为 [0，255]。

注意：不同的软件使用的值可能不同，在进行颜色空间转换时，RGB各个通道的取值范围应当根据实际需要来进行归一化，如RGB转到LUV通道时，需要将RGB归一化为32为浮点数，及各个通道的值变化范围是0到1。

数字图像处理和计算机视觉领域，在遇到应用问题时，该如何选择合适的色彩空间。图像处理使用HIS较多，图形学使用HSV较多。图像分割使用HSV较多。

2.物体追踪

可以应用转换颜色空间，来进行物体追踪，提取带有某个特定颜色的物体。在 HSV 颜色空间中比在 BGR 空间中更容易表示一个特定颜色。

主要函数

• cv2.cvtColor() ：转换颜色
• dst = cv2.inRange(src, lowerb, upperb[, dst]) ：设定颜色取值范围，去除背景部分，将背景颜色变为黑色
  • src：输入原始图像
  • lowerb：阈值下限，图像中低于lowerb的值变为0
  • upperb：阈值上限，图像中高于upperb的值变为0
  • 位于lowerb~upperb之间的值变为255–白色
  • dst：输出和输入图像大小相同的图像
    对于单通道的输入图像：
    $dst(I)=lowerb(I{)}_0<=src(I{)}_0<=upperb(I{)}_0$
    对于有两个颜色通道的图像：
    $dst(I)=lowerb(I{)}_0<=src(I{)}_0<=upperb(I{)}_0+lowerb(I{)}_1<=src(I{)}_1<=upperb(I{)}_1$

追踪视频中的酒红色水杯

• 从视频中获取每一帧图像
• 将图像从BGR颜色空间转换到 HSV 颜色空间
• 设置 HSV 阈值调整到酒红色范围
• 获取水杯

import cv2
import numpy as np

cap = cv2.VideoCapture(0) #从摄像头获取视频

while(cap.isOpened):
    # 从摄像头读取一帧，ret表示视频帧读取成功与否
    ret,frame = cap.read()
    # 转换颜色空间
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
    
    # 设置阈值下限和上限，去除背景颜色
    lower_red = np.array([80,0,0])
    upper_red = np.array([160,255,150])
    
    #创建掩膜
    mask = cv2.inRange(hsv,lower_red,upper_red)
    #将原图像和掩膜做位与运算
    res = cv2.bitwise_and(frame,frame,mask = mask)
    
    cv2.imshow('frame',frame)
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    
    k = cv2.waitKey(5) & 0xFF 
    if k == 27:  # 按esc键退出
        break 

cap.release() #释放摄像头
cv2.destroyAllWindows() #关闭所有窗口

效果如下：
（图像中仍存在噪音，在后面会介绍如何去除噪音。这是最简单的物体追踪方法，一旦学会了轮廓的函数，就可以做很多事情，比如找到这个物体的质心，用它来跟踪物体，仅仅通过移动手在摄像头前的位置和其他的物体就可以画图。）