使用`cv :: inRange`（OpenCV）为颜色检测选择正确的上下HSV边界

Question

我有一个咖啡罐的图像，我想找到一个橙色的盖子位置。 这是它。

gcolor2实用程序显示盖子中心的HSV为（22,59,100）。 问题是如何选择颜色的限制呢？我试图分钟=（18，40，90）和max =（27，255，255），但是已经得到意想不到

这里是Python代码：

import cv 

in_image = 'kaffee.png' 
out_image = 'kaffee_out.png' 
out_image_thr = 'kaffee_thr.png' 

ORANGE_MIN = cv.Scalar(18, 40, 90) 
ORANGE_MAX = cv.Scalar(27, 255, 255) 
COLOR_MIN = ORANGE_MIN 
COLOR_MAX = ORANGE_MAX 

def test1(): 
    frame = cv.LoadImage(in_image) 
    frameHSV = cv.CreateImage(cv.GetSize(frame), 8, 3) 
    cv.CvtColor(frame, frameHSV, cv.CV_RGB2HSV) 
    frame_threshed = cv.CreateImage(cv.GetSize(frameHSV), 8, 1) 
    cv.InRangeS(frameHSV, COLOR_MIN, COLOR_MAX, frame_threshed) 
    cv.SaveImage(out_image_thr, frame_threshed) 

if __name__ == '__main__': 
    test1() 

Answer 1

问题1：不同应用程序使用不同比例的HSV。例如，gimp使用H = 0-360, S = 0-100 and V = 0-100。但OpenCV使用H: 0 - 180, S: 0 - 255, V: 0 - 255。在这里，我得到了瘸子22的色相值。所以我拿了一半，11，并为此定义了范围。即(5,50,50) - (15,255,255)。

问题2：而且，OpenCV使用BGR格式，而不是RGB。所以改变你的代码，将RGB转换为HSV如下：

cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV) 

现在运行它。我得到的输出如下：

希望这是你想要的。有一些错误的检测，但它们很小，所以你可以选择最大的轮廓，这是你的盖子。

编辑：

由于卡尔·菲利普在他的评论中说，这将有利于增加新的代码。但是只有一条线的变化。因此，我想添加新的cv2模块中实现的相同代码，以便用户可以比较新cv2模块的易用性和灵活性。

import cv2 
import numpy as np 

img = cv2.imread('sof.jpg') 

ORANGE_MIN = np.array([5, 50, 50],np.uint8) 
ORANGE_MAX = np.array([15, 255, 255],np.uint8) 

hsv_img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) 

frame_threshed = cv2.inRange(hsv_img, ORANGE_MIN, ORANGE_MAX) 
cv2.imwrite('output2.jpg', frame_threshed) 

它给出了与上述相同的结果。但代码要简单得多。

Answer 2

我建立这个简单的程序来获得实时HSV代码

import cv2 
import numpy as np 


cap = cv2.VideoCapture(0) 

def nothing(x): 
    pass 
# Creating a window for later use 
cv2.namedWindow('result') 

# Starting with 100's to prevent error while masking 
h,s,v = 100,100,100 

# Creating track bar 
cv2.createTrackbar('h', 'result',0,179,nothing) 
cv2.createTrackbar('s', 'result',0,255,nothing) 
cv2.createTrackbar('v', 'result',0,255,nothing) 

while(1): 

    _, frame = cap.read() 

    #converting to HSV 
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) 

    # get info from track bar and appy to result 
    h = cv2.getTrackbarPos('h','result') 
    s = cv2.getTrackbarPos('s','result') 
    v = cv2.getTrackbarPos('v','result') 

    # Normal masking algorithm 
    lower_blue = np.array([h,s,v]) 
    upper_blue = np.array([180,255,255]) 

    mask = cv2.inRange(hsv,lower_blue, upper_blue) 

    result = cv2.bitwise_and(frame,frame,mask = mask) 

    cv2.imshow('result',result) 

    k = cv2.waitKey(5) & 0xFF 
    if k == 27: 
     break 

cap.release() 

cv2.destroyAllWindows() 

Answer 3

OpenCV的HSV范围是： H：0至179 S：0〜255 五：0到255

在Gimp（或其他照片处理sw）色调范围从0到360，因为opencv将颜色信息放在单个字节中，所以单个字节中的最大数值为255，因此openCV色调值等于来自gimp的色相值除以2。

当我尝试基于HSV颜色空间进行对象检测时发现，范围为5（opencv范围）足以过滤出特定颜色。我建议您使用HSV色板来找出最适合您应用的范围。

Answer 4

好了，找颜色HSV空间是一个古老而又常见的问题。我做了一个hsv-colormap来快速查找特殊颜色。在这里它是：

的x轴表示在[0180 Hue）中，y轴1表示[0255] Saturation中，y的axis2表示S = 255，同时保持V = 255。

要查找颜色，通常只需查找H和S的范围，并将范围设置为v（20,255）。

要查找橙色，我们查找地图，并找到最佳范围：H :[10, 25], S: [100, 255], and V: [20, 255]。所以，掩码为cv2.inRange(hsv,(10, 100, 20), (25, 255, 255))

然后我们用找到的范围来寻找橙色，这是结果：

---

的方法很简单，但通常使用：

#!/usr/bin/python3 
# 2018.01.21 20:46:41 CST 
import cv2 

img = cv2.imread("test.jpg") 
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) 
mask = cv2.inRange(hsv,(10, 100, 20), (25, 255, 255)) 
cv2.imshow("orange", mask);cv2.waitKey();cv2.destroyAllWindows() 

类似的答案：

1. How to define a threshold value to detect only green colour objects in an image :Opencv

2. Choosing correct HSV values for OpenCV thresholding with InRangeS