目标

在本教程中，你将学习如何将图像从一个颜色空间转换为另一个颜色空间，如 BGR \(\leftrightarrow\) 灰度，BGR \(\leftrightarrow\) HSV 等。
除此之外，我们还将创建一个应用程序来提取视频中的彩色物体
你将学习以下函数： cv.cvtColor(), cv.inRange() 等。

更改颜色空间

OpenCV 中有超过 150 种颜色空间转换方法。但我们只研究其中两种，即使用最广泛的两种：BGR \(\leftrightarrow\) 灰度和 BGR \(\leftrightarrow\) HSV。

对于颜色转换，我们使用函数 cv.cvtColor(input_image, flag)，其中 flag 确定转换类型。

对于 BGR \(\rightarrow\) 灰度转换，我们使用标志 cv.COLOR_BGR2GRAY。类似地，对于 BGR \(\rightarrow\) HSV，我们使用标志 cv.COLOR_BGR2HSV。要获取其他标志，只需在 Python 终端中运行以下命令

>>> import cv2 as cv
>>> flags = [i for i in dir(cv) if i.startswith('COLOR_')]
>>> print( flags )

注意: 对于 HSV，色调范围为 [0,179]，饱和度范围为 [0,255]，值范围为 [0,255]。不同的软件使用不同的范围。因此，如果你要将 OpenCV 值与它们进行比较，则需要对这些范围进行规范化。

对象追踪

既然我们知道了如何将 BGR 图像转换为 HSV，我们就可以使用它来提取彩色物体。在 HSV 中，表示颜色比在 BGR 颜色空间中更容易。在我们的应用程序中，我们将尝试提取蓝色物体。方法如下

获取视频的每一帧
从 BGR 转换为 HSV 颜色空间
我们对 HSV 图像进行蓝色范围的阈值处理
现在提取蓝色对象，我们可以对该图像执行任何我们想要的操作。

以下列出注释详尽的代码

导入 cv2 as cv
导入 numpy as np
 
cap = cv.VideoCapture(0)
 
while(1)
 
    # 提取每帧
_, frame = cap.read()
 
    # 将 BGR 转换为 HSV
hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
 
    # 定义 HSV 中蓝色范围
lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])
 
    # 对 HSV 图像进行阈值处理以仅获取蓝色
mask = cv.inRange(hsv, lower_blue, upper_blue)
 
    # 对位与运算 mask 和原始图像
res = cv.bitwise_and(frame,frame, mask= mask)
 
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
k = cv.waitKey(5) & 0xFF
    如果 k == 27
        中断
 
cv.destroyAllWindows()

下图显示蓝色对象的追踪

image

注意: 图像中存在一些噪音。我们将在后续章节中了解如何消除噪音。; 这是对象跟踪中最简单的方法。一旦你了解轮廓函数，你就可以做很多事情，比如找到对象的质心并使用它来跟踪对象、通过在摄像头前移动你的手来绘制图表，以及其他有趣的事情。

如何找到要跟踪的 HSV 值？

这是 stackoverflow.com 中常见的疑问。它非常简单，您可以使用相同的函数 cv.cvtColor()。您只需传递需要的 BGR 值，而不是传递图像。例如，若要找到绿色的 HSV 值，请在 Python 终端中尝试以下命令

>>> green = np.uint8([[[0,255,0 ]]])
>>> hsv_green = cv.cvtColor(green,cv.COLOR_BGR2HSV)
>>> print( hsv_green )
[[[ 60 255 255]]]

现在，您可以分别将 [H-10, 100,100] 和 [H+10, 255, 255] 用作下限和上限。除了这种方法，您可以使用 GIMP 等图像编辑工具或任何在线转换器来查找这些值，但请别忘记调整 HSV 范围。

其他资源

练习

尝试寻找一种方法来提取多个彩色对象，例如，同时提取红色、蓝色和绿色对象。