python-opencv中的cv2.inRange函數(shù)用法說(shuō)明

本次目標(biāo)是將一副圖像從rgb顏色空間轉(zhuǎn)換到hsv顏色空間，顏色去除白色背景部分

具體就調(diào)用了cv2的兩個(gè)函數(shù)，一個(gè)是rgb轉(zhuǎn)hsv的函數(shù)

具體用法

hsv = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2HSV)

然后利用cv2.inRange函數(shù)設(shè)閾值，去除背景部分

mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0,

函數(shù)很簡(jiǎn)單，參數(shù)有三個(gè)

第一個(gè)參數(shù)：hsv指的是原圖

第二個(gè)參數(shù)：lower_red指的是圖像中低于這個(gè)lower_red的值，圖像值變?yōu)?

第三個(gè)參數(shù)：upper_red指的是圖像中高于這個(gè)upper_red的值，圖像值變?yōu)?

而在lower_red～upper_red之間的值變成255

lower_red = np.array([20, 20, 20])
upper_red = np.array([200, 200, 200])
mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0，lower～upper==>255

就是將低于lower_red和高于upper_red的部分分別變成0，lower_red～upper_red之間的值變成255

具體用法如下

 hsv = cv2.cvtColor(rgb_image, cv2.COLOR_BGR2HSV)
 lower_red = np.array([20, 20, 20])
 upper_red = np.array([200, 200, 200])
 # mask -> 1 channel
 mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0

補(bǔ)充：色彩閥值化處理——openCV-python中inRange()等相關(guān)函數(shù)實(shí)測(cè)

色彩閥值化

在圖像處理的過(guò)程中，使用各種形態(tài)學(xué)操作或者濾波的方式來(lái)突顯我們關(guān)注的元素，同時(shí)降低噪聲并減少干擾我們提取關(guān)鍵元素的影響項(xiàng)。除了這些方法外，我們可以在原圖中先依據(jù)顏色的特征，提取出更為關(guān)鍵的像素。就像車(chē)道檢測(cè)時(shí)，一般車(chē)道只有兩種顏色：黃色和白色。所以我們可以在 RGB 色彩空間(Color Space) 對(duì)這兩種顏色進(jìn)行過(guò)濾從而提取出車(chē)道線的像素。

色彩空間：使用一組值（通常使用三個(gè)、四個(gè)值或者顏色成分）表示顏色方法的抽象數(shù)學(xué)模型。有利用原色相混的比例表示的色彩空間，如 RGB (Red, Green, Blue) 顏色空間; 也有利用不同的概念表示的色彩空間,如 HSV (色相 hue, 飽和度 saturation, 明度 value) 以及 HSL (色相 hue，飽和度 saturation，亮度 lightness/luminance) 。

在OpenCV中，RGB三通道的圖像的讀取 cv2.imread() 的結(jié)果是以 BGR 順序排列的，而在使用matplotlib的 plt.imread() 時(shí)， 讀取的通道排列順序則為 RGB 。因此此處應(yīng)當(dāng)注意區(qū)別。

openCV中cv2.inRange()函數(shù)是實(shí)現(xiàn)該功能的關(guān)鍵，我們先看看官網(wǎng)對(duì)該函數(shù)的定義：

dst = cv.inRange( src, lowerb, upperb[, dst] )

檢測(cè)數(shù)組元素是否位于其他兩個(gè)元素之間。

該函數(shù)檢測(cè)范圍方式如下：

對(duì)于單通道輸入的每個(gè)元素：

對(duì)于雙通道輸入：

同樣應(yīng)用于四通道

也就是說(shuō)，如果src (I)在指定的1D, 2D, 3D，…框內(nèi)則dst(I)為255，否則為0。當(dāng)下邊界和/或上邊界參數(shù)為標(biāo)量時(shí)，應(yīng)省略上述公式中在上、下邊界處的索引(I)。

各參數(shù)詳細(xì)含義：

src 輸入的數(shù)組

lowerb 下邊界數(shù)組或標(biāo)量.

upperb 上邊界數(shù)組或標(biāo)量.

dst 與src和CV_8U類(lèi)型大小相同的輸出數(shù)組。

接下來(lái)將結(jié)合簡(jiǎn)單的例子通過(guò)python更好地理解這個(gè)函數(shù)：

import matplotlib.pyplot as plt
import numpy as np
import cv2
# 對(duì)圖片進(jìn)行讀取
img_cv2 = cv2.imread('D:\\test\\CVtest.jpg')
print(img_cv2)

為了方便理解，我用畫(huà)板工具畫(huà)了一個(gè)5×5像素點(diǎn)的紅色圖片。上述代碼運(yùn)行結(jié)果為：

[[[ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]]
 [[ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]]
 [[ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]]
 [[ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]]
 [[ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]
  [ 36  27 237]]]

讀者可以自行測(cè)試一下，B=36,G=27,R=237為紅色。

# 創(chuàng)建RGB色彩空間
color_Low1 = np.array([30,27,237])
color_Low2 = np.array([39,27,237])
color_High = np.array([40,27,237])
# 對(duì)圖片進(jìn)行閥值化處理
img_dst1 = cv2.inRange(img_cv2,color_Low1,color_High)
img_dst2 = cv2.inRange(img_cv2,color_Low2,color_High)
#對(duì)結(jié)果進(jìn)行打印
print(img_dst1,'\n', img_dst2)
# 運(yùn)行結(jié)果分別為
[[255 255 255 255 255]
 [255 255 255 255 255]
 [255 255 255 255 255]
 [255 255 255 255 255]
 [255 255 255 255 255]]
 [[0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]

可以看出，當(dāng)圖片中的像素點(diǎn)落在色彩空間時(shí)，輸出結(jié)果全是255，當(dāng)像素點(diǎn)不落在色彩空間是，輸出結(jié)果全是0。對(duì)最終結(jié)果進(jìn)行顯示：

#對(duì)圖像進(jìn)行展示
cv2.imshow("origin_img",img_cv2)
cv2.imshow("dst_img1",img_dst1)
cv2.imshow("dst_img2",img_dst2)
cv2.waitKey(0)
cv2.destroyAllWindows()

最終結(jié)果為一個(gè)紅色、一個(gè)黑色的、一個(gè)白色的小點(diǎn)。

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。