OpenCV HSV颜色识别及HSV基本颜色分量范围

标题：OpenCV HSV颜色识别及HSV基本颜色分量范围

介绍

OpenCV是一个强大的计算机视觉库，可以用于图像处理、模式识别、机器人视觉等领域，其中HSV颜色空间被广泛应用于颜色检测和跟踪。HSV颜色空间由三个分量组成：色调(Hue)、饱和度(Saturation)和亮度(Value)，通过调整颜色分量的范围可以实现各种不同的颜色识别。本文将简单介绍OpenCV HSV颜色识别及HSV基本颜色分量范围的方法和实现。

HSV颜色空间

HSV颜色空间是一种基于颜色感知的颜色模型，由色调、饱和度和亮度三个分量组成。HSV颜色空间的优点是更符合人类感知的方式来描述颜色，而不是以一定的RGB值来描述颜色，同时可以非常方便地对颜色进行调整和筛选。

HSV颜色空间中的三个分量的取值范围如下：

• 色调(Hue)：0-179，表示颜色的范围，取值0为红色，取值60为绿色，取值120为蓝色。
• 饱和度(Saturation)：0-255，表示颜色的纯度，取值越大，颜色越纯，取值越小，颜色越淡。
• 亮度(Value)：0-255，表示颜色的亮度，取值越大，颜色越亮，取值越小，颜色越暗。

HSV颜色识别方法

OpenCV提供了基于HSV颜色空间的颜色识别方法，可以通过设置HSV分量的取值范围实现相应颜色的筛选。具体实现方法如下：

1. 将彩色图像转换为HSV颜色空间。

import cv2

img = cv2.imread('image.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

1. 筛选特定颜色的像素点。

import numpy as np

lower_range = np.array([h_min, s_min, v_min])
upper_range = np.array([h_max, s_max, v_max])
mask = cv2.inRange(hsv, lower_range, upper_range)

其中，h_min, s_min, v_min, h_max, s_max, v_max分别表示HSV颜色空间的三个分量的最小值和最大值，取值范围为0-179，0-255，0-255。

1. 将筛选出的像素点变为白色，其他像素点变为黑色。

result = cv2.bitwise_and(img, img, mask=mask)

HSV基本颜色分量范围

下面给出常见HSV颜色的分量范围：

颜色	H_min	S_min	V_min	H_max	S_max	V_max
红色	0	43	46	10	255	255
橙色	11	43	46	25	255	255
黄色	26	43	46	34	255	255
绿色	35	43	46	77	255	255
青色	78	43	46	99	255	255
蓝色	100	43	46	124	255	255
紫色	125	43	46	155	255	255

示例

下面给出两个HSV颜色识别的示例。

示例1：识别红色

import cv2
import numpy as np

# 读取图片
img = cv2.imread('image.jpg')

# 转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 筛选红色
lower_range = np.array([0, 43, 46])
upper_range = np.array([10, 255, 255])
mask = cv2.inRange(hsv, lower_range, upper_range)

# 像素颜色替换
result = cv2.bitwise_and(img, img, mask=mask)

# 显示结果
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例2：识别绿色

import cv2
import numpy as np

# 读取图片
img = cv2.imread('image.jpg')

# 转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 筛选绿色
lower_range = np.array([35, 43, 46])
upper_range = np.array([77, 255, 255])
mask = cv2.inRange(hsv, lower_range, upper_range)

# 像素颜色替换
result = cv2.bitwise_and(img, img, mask=mask)

# 显示结果
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结

OpenCV提供了基于HSV颜色空间的颜色识别方法，可以通过设置HSV分量的取值范围实现相应颜色的筛选，对于图像处理和机器视觉应用非常实用。