OpenCV利用HSV颜色区间分离不同物体

需求

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

  • 思路一是通过深度学习的方式,训练一个能够识别旋转边界框的模型,但是需要大量的数据进行模型训练,此处缺少训练数据,不太方便执行。
  • 思路二则是直接通过颜色进行分离,找到颜色的区间,通过去骗判断的方式分别分离出三个不同颜色对应的轮廓。

方案

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。

python 复制代码
# -*- coding: utf-8 -*-
# @Time    : 2023/5/31 22:59
# @Author  : 肆十二
# @Email   : 3048534499@qq.com
# @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。

  • 绿色二维码分离结果

  • 红色二维码分离结果

  • 黄色二维码分离结果

总结

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。

相关推荐
巴里巴气1 小时前
安装GPU版本的Pytorch
人工智能·pytorch·python
「、皓子~1 小时前
后台管理系统的诞生 - 利用AI 1天完成整个后台管理系统的微服务后端+前端
前端·人工智能·微服务·小程序·go·ai编程·ai写作
说私域1 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的抖音渠道力拓展与多渠道利润增长研究
人工智能·小程序·开源
笑衬人心。1 小时前
初学Spring AI 笔记
人工智能·笔记·spring
luofeiju2 小时前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数
测试者家园2 小时前
基于DeepSeek和crewAI构建测试用例脚本生成器
人工智能·python·测试用例·智能体·智能化测试·crewai
张较瘦_2 小时前
[论文阅读] 人工智能 + 软件工程 | Call Me Maybe:用图神经网络增强JavaScript调用图构建
论文阅读·人工智能·软件工程
大模型真好玩2 小时前
准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(四)——微软GraphRAG代码实战
人工智能·python·mcp
Baihai_IDP2 小时前
vec2text 技术已开源!一定条件下,文本嵌入向量可“近乎完美地”还原
人工智能·面试·llm
江太翁2 小时前
Pytorch torch
人工智能·pytorch·python