使用OpenCV分割彩色图像
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
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.")