使用OpenCV分割彩色图像

算法原理
效果
代码

算法原理

色彩空间转换

使用cv.cvtColor 函数将输入的图像从BGR（蓝绿红）色彩空间转换到HSV色彩空间。HSV色彩空间是一种更符合人眼对颜色感知的模型，其中H（Hue）表示色调，S（Saturation）表示饱和度，V（Value）表示亮度。

定义颜色范围

在HSV色彩空间中，通过设定色调（H）、饱和度（S）和亮度（V）的上下限来定义一个颜色范围。在这个例子中，设定的是蓝色的范围。lower_hsv和upper_hsv两个数组分别表示蓝色范围的下限和上限。

二值化转换

使用cv.inRange函数将HSV图像二值化。这个函数会遍历图像的每一个像素，检查其HSV值是否在lower_hsv和upper_hsv定义的范围内。如果在范围内，则该像素的值为255（白色），否则为0（黑色）。这样就得到了一个只包含目标颜色（蓝色）的二值化图像，通常被称为掩码（mask）。

提取颜色部分

使用cv.bitwise_and函数将二值化掩码与原始BGR图像进行"与"操作。这个操作会将原始图像中不在蓝色范围内的部分（即掩码为黑色的部分）设置为黑色，而在蓝色范围内的部分（即掩码为白色的部分）保持不变。这样就得到了一个只包含蓝色部分的图像。

效果

原图：

进行分割后的图：

代码

python 复制代码

import cv2 as cv
import numpy as np


def color_seperate(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)  # 对目标图像进行色彩空间转换
    lower_hsv = np.array([100, 43, 46])  # 设定蓝色下限
    upper_hsv = np.array([124, 255, 255])  # 设定蓝色上限

    # 依据设定的上下限对目标图像进行二值化转换
    mask = cv.inRange(hsv, lowerb=lower_hsv, upperb=upper_hsv)

    # 将二值化图像与原图进行"与"操作；实际是提取蓝色部分
    dst = cv.bitwise_and(image, image, mask=mask)  # 注意：这里将src替换为image

    return dst


# 导入目标图像，获取图像信息
src = cv.imread('blue_1.jpeg')
if src is not None:  # 确保图像被正确读取
    # 调用函数并显示结果
    dst = color_seperate(src)
    cv.imshow('image', src)  # 显示原始图像
    cv.imshow('result', dst)  # 显示处理后的图像
    cv.waitKey(0)  # 等待按键
    cv.destroyAllWindows()  # 销毁所有窗口
else:
    print("Error: Unable to load image.")