使用 OpenCV 的 inRange 函数进行颜色分割

使用 OpenCV 的 inRange 函数进行颜色分割

在图像处理领域,颜色分割是一个常见的任务,常用于识别和提取图像中的特定颜色区域。OpenCV 提供了一个非常方便的函数 inRange 来实现这一功能。在这篇博客中,我们将详细介绍 inRange 函数的用法,并通过示例代码演示如何使用它来分割图像中的颜色。

inRange 函数介绍

inRange 是 OpenCV 库中的一个函数,用于检查图像像素值是否在指定的范围内,并生成一个二值图像。这个函数常用于颜色分割和阈值处理。

函数原型
cpp 复制代码
void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);
参数说明
  • src: 输入图像。这个图像可以是单通道(灰度图像)或多通道(彩色图像)。函数将对该图像进行处理。
  • lowerb : 低阈值或下界。与 src 图像具有相同的类型和通道数,用于指定每个通道的下限值。
  • upperb : 高阈值或上界。与 src 图像具有相同的类型和通道数,用于指定每个通道的上限值。
  • dst : 输出图像。这个图像是一个单通道的二值图像,尺寸和 src 相同。像素值为 255(满足条件)或 0(不满足条件)。
函数描述

inRange 函数通过检查 src 图像的每个像素值是否在 lowerbupperb 范围内,如果在范围内,则将对应位置的像素值设置为 255,否则设置为 0。结果保存在 dst 图像中。

示例代码

假设你有一个彩色图像 src,你想找到图像中绿色的部分,可以使用以下代码:

cpp 复制代码
#include <opencv2/opencv.hpp>

int main() {
    // 读取输入图像
    cv::Mat src = cv::imread("path_to_image.jpg");

    if (src.empty()) {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    // 将图像从 BGR 颜色空间转换为 HSV 颜色空间
    cv::Mat src_hsv;
    cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);

    // 定义绿色的HSV范围
    cv::Scalar lowerb(35, 100, 100); // 绿色的下界(H, S, V)
    cv::Scalar upperb(85, 255, 255); // 绿色的上界(H, S, V)

    // 应用inRange函数
    cv::Mat mask;
    cv::inRange(src_hsv, lowerb, upperb, mask);

    // 显示结果
    cv::imshow("Original Image", src);
    cv::imshow("Mask", mask);

    cv::waitKey(0);
    return 0;
}
示例代码解析
  1. 读取输入图像

    cpp 复制代码
    cv::Mat src = cv::imread("path_to_image.jpg");

    首先,我们使用 cv::imread 函数读取图像,并检查图像是否成功读取。

  2. 转换颜色空间

    cpp 复制代码
    cv::Mat src_hsv;
    cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);

    由于颜色分割通常在 HSV 颜色空间中效果更好,我们将图像从 BGR 颜色空间转换为 HSV 颜色空间。

  3. 定义颜色范围

    cpp 复制代码
    cv::Scalar lowerb(35, 100, 100); // 绿色的下界(H, S, V)
    cv::Scalar upperb(85, 255, 255); // 绿色的上界(H, S, V)

    我们定义绿色的 HSV 范围,通过调整这两个值,可以检测不同的颜色。

  4. 应用 inRange 函数

    cpp 复制代码
    cv::Mat mask;
    cv::inRange(src_hsv, lowerb, upperb, mask);

    使用 inRange 函数,我们生成一个二值图像 mask,其中绿色部分的像素值为 255,其他部分为 0。

  5. 显示结果

    cpp 复制代码
    cv::imshow("Original Image", src);
    cv::imshow("Mask", mask);

    最后,我们使用 cv::imshow 函数显示原始图像和结果二值图像。

注意事项
  • 输入图像 src 和下界 lowerb 以及上界 upperb 必须具有相同的通道数。如果 src 是三通道的彩色图像,那么 lowerbupperb 也应该是三通道的。
  • dst 是一个单通道的二值图像,只有两种可能的像素值:0 和 255。
用法场景
  • 颜色分割:可以根据颜色范围分割图像中的特定颜色区域。
  • 阈值处理:将图像中的像素值在某个范围内的部分提取出来。
  • 物体检测:检测图像中具有特定颜色的物体。

通过 inRange 函数,我们可以方便地进行颜色分割,提取图像中的特定颜色区域,从而为后续的图像处理和分析打下基础。希望这篇博客对你理解和使用 inRange 函数有所帮助。

相关推荐
白子寰14 分钟前
【C++打怪之路Lv14】- “多态“篇
开发语言·c++
小芒果_0119 分钟前
P11229 [CSP-J 2024] 小木棍
c++·算法·信息学奥赛
蒙娜丽宁25 分钟前
《Python OpenCV从菜鸟到高手》——零基础进阶,开启图像处理与计算机视觉的大门!
python·opencv·计算机视觉
gkdpjj25 分钟前
C++优选算法十 哈希表
c++·算法·散列表
王俊山IT27 分钟前
C++学习笔记----10、模块、头文件及各种主题(一)---- 模块(5)
开发语言·c++·笔记·学习
-Even-29 分钟前
【第六章】分支语句和逻辑运算符
c++·c++ primer plus
好喜欢吃红柚子40 分钟前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
plmm烟酒僧1 小时前
Windows下QT调用MinGW编译的OpenCV
开发语言·windows·qt·opencv
我是谁??1 小时前
C/C++使用AddressSanitizer检测内存错误
c语言·c++
AI小杨1 小时前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测