当前有个需求是从一个场景中将三个不同的颜色的二维码分离出来,如下图所示。
这里有两个思路可以使用
首先,先要找到图像的HSV颜色对应表格,如下所示。
然后按照读取图像->转化为HSV通道图像->颜色分离的思路编写代码即可,详细的代码如下。
# -*- coding: utf-8 -*-
# @Time : 2023/5/31 22:59
# @Author : 肆十二
# @Email : [email protected]
# @File : demo
# @Software: PyCharm
import numpy as np
import cv2
import os
# 参考:https://blog.csdn.net/chenghaoy/article/details/86509950
def get_red(image_path):
# 设定颜色HSV范围,假定为红色
redLower_1 = np.array([0, 43, 46])
redUpper_1 = np.array([10, 255, 255])
redLower_2 = np.array([156, 43, 46])
redUpper_2 = np.array([180, 255, 255])
# 读取图像
img = cv2.imread(image_path)
# 将图像转化为HSV格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 去除颜色范围外的其余颜色
mask_1 = cv2.inRange(hsv, redLower_1, redUpper_1)
mask_2 = cv2.inRange(hsv, redLower_2, redUpper_2)
mask = mask_1 + mask_2
# mask = cv2.merge([mask_1, mask_2])
# mask = cv2.
# 二值化操作
ret, binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY_INV)
cv2.imwrite("results/red.jpg", binary)
def get_yellow(image_path):
# 设定颜色HSV范围,假定为红色
redLower = np.array([26, 43, 46])
redUpper = np.array([34, 255, 255])
# 读取图像
img = cv2.imread(image_path)
# 将图像转化为HSV格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 去除颜色范围外的其余颜色
mask = cv2.inRange(hsv, redLower, redUpper)
# 二值化操作
ret, binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY_INV)
cv2.imwrite("results/yellow.jpg", binary)
def get_green(image_path):
# 设定颜色HSV范围,假定为红色
redLower = np.array([35, 43, 46])
redUpper = np.array([77, 255, 255])
# 读取图像
img = cv2.imread(image_path)
# img = cv2.medianBlur(img, 5)
# 将图像转化为HSV格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# hsv =
# 去除颜色范围外的其余颜色
mask = cv2.inRange(hsv, redLower, redUpper)
# 二值化操作
ret, binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY_INV)
# img[img==0] =
cv2.imwrite("results/green.jpg", binary)
if __name__ == '__main__':
image_path = "a.jpg"
get_red(image_path)
get_yellow(image_path)
get_green(image_path)
OK在主函数中传入上图,之后在result文件夹下就能生成分离之后的结果,如下所示。
很多时候,不需要过于依赖AI,通过传统的图像检测算法也能达到良好的效果,比如今天就通过HSV颜色通道的形式来进行分离,这在工业场景中是非常实用的。