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。