OpenCV：为颜色过滤选择 HSV 阈值

Posted 2023-03-10

【中文标题】OpenCV：为颜色过滤选择 HSV 阈值

【英文标题】：OpenCV: Choosing HSV thresholds for color filtering

【发布时间】：2019-12-19 12:25:17

【问题描述】：

为了从图像中滤除颜色，有必要设置需要检测哪种颜色的边界。我有一种感觉，这主要是一个反复试验的过程。有什么方法可以快速找到特定颜色的正确阈值？在这种特定情况下，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，我需要非常具体的界限。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], np.uint8)

mask = cv2.inRange(hsv, lower, upper)

【问题讨论】：

您可以查看直方图。或获取独特颜色的列表。或者将颜色减少到一些较小的数量，然后在减少的彩色图像上使用这些颜色。然后根据您的限制将这些颜色转换为 HSV。

【参考方案1】：

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()

【讨论】：

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色区域与图像分开，而无需检测虚线。我正在测试的门槛，似乎同时检测到两者......

imutils 包中提供了类似的脚本，你可以pip install imutils。名为range-detector，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。它只显示滑块而不是它使用的数值，因此您无法将它们复制到代码中，而且滑块的顺序完全混淆且不合逻辑。

【参考方案2】：

另一种选择是使用online image color picker。您可以上传您的图片，并会在您的情况下获得一些值，例如 HSV: 97.5° 5.1% 61.57%。请注意，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以 0 到 360 度数来衡量，所以要获得你的颜色的 H h = 97.5° / 2 = 48.7

S和V是从0 ( = 0% in outer world)到255 ( = 100% in outer world)测量的，所以

s = 255 * 5.1% = 13
v = 255 * 61.57% = 157

因此，目标 HSV 颜色是 (49, 13, 157)。我建议使用±10 作为范围。或者更加严格。我认为您的情况可能可以只选择中心图的像素，没有任何标签，然后在需要时应用形态学操作关闭。