计算机视觉 | 3.颜色空间及其转换（hsv通道识别掩膜）前言颜色空间小结

96 阅读 0 评论 64 点赞

我是靠谱客的博主悲凉小蝴蝶，最近开发中收集的这篇文章主要介绍计算机视觉 | 3.颜色空间及其转换（hsv通道识别掩膜）前言颜色空间小结，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

本文是计算机视觉系列的第3篇

1 - 新专栏 | 有趣的计算机视觉

2 - CV | 1. 一切的基础:灰度图像

3 - CV | 2. 颜色阈值&蓝幕转换

4 - CV | 3. 颜色空间及其转换

前言

现在我们已经掌握如何检测蓝幕了，但这种方法是有前提的：1.场景光线要好，2.蓝幕的颜色十分连贯。 正因如此，第二章的跑车蓝幕扣去结果才会不尽人意（一些边缘部分还是没有被完全识别），毕竟原图就处在阳光下。

那么该如何完整地检测出处于不同光线下的物体呢？（比如下面被阳光照射的气球，多且颜色杂，又没有蓝幕布），这就引出了本文的主要内容：颜色空间及其转换。因为本节的原理和代码结合的十分紧密，所以就不拆成两个部分讲解了。

| 本文数据代码可以在后台回复「颜色空间」获取

颜色空间

其实表示物体图像颜色的方法有很多，不仅局限于红绿蓝三种颜色分量。还有hsv：色相, 饱和度, 明度；hls：色相, 亮度, 饱和度

在这里插入图片描述

01 分离颜色通道

除了第一章中最基础的将图片转成灰度图片，我们还可以将图片的颜色通道分离开来，单独对每一个通道进行一个灰度处理，查看其灰度表现的异同。

因为彩色图片的颜色通道数为3，所以像素矩阵的最后一维012便对应了rgb三个字母。像素越亮，代表的红色、绿色或蓝色值就越高。

比如：我们可以看到中间的粉红色气球的红色值和蓝色值都比较高，中间的图比较暗淡，所以绿色值比较低。

02 HSV通道

既然表示物体图像颜色的方法不仅局限于红绿蓝三种颜色分量。还有hsv：色相, 饱和度, 明度；hls：色相, 亮度, 饱和度。

那为什么不将图片转换成 hsv 的格式再进行 01 的操作看一下效果呢？

在这里插入图片描述

可以看到转换成 hsv 格式的图片会带有类似曝光的效果，这正是因为该图片处在阳光之下。接下来我们对其进行 01 小节的操作，同样，像素矩阵的最后一维012便对应了hsv三个字母（通道）

回到我们的初始任务：识别所有的粉色气球。

不难发现，上图中粉色气球的色相通道值（Hue）很高，就算在阴影里，也就是中间粉色气球的下面一个，色相值也差不多高。而饱和度和明度通道的值差异则要大许多，特别是在阴影下和气球边缘处。所以在创造颜色阈值的时候我们主要考虑以 Hue 为主。

与 3 - CV | 2. 颜色阈值&蓝幕转换一样，无论你的格式是 rgb、hsv 还是 hls，在创建颜色阈值时都需要指定一个上下限。

而我们提到了彩色图像会被解析为具有宽高和深的三维立方体。深是指颜色通道的数量：大多数彩色图像可以仅通过三种颜色组合来表示，即红绿蓝（red,green,blue；组合起来便是我们经常见到的 rgb）

而现在图片被转成了 hsv 格式，通道数没变，所以在设置颜色阈值的上下限时我们依然需要给出两个三维数组。

因为色相 hue 的衡量尺度只是在 0-180 之间，而 hsv 的三个通道各自的灰度版本图我们已经知道粉色气球的色相值很高，所以这望我们一开始就可以设置得高一些，之后再调整。180 已经是 hue 的最高象限了（所以 lower_hue 数组中的第一个数字才设置为160），这里的饱和度和明度我们都不做设置，所以最高值为255。