目标

在本教程中，您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，例如BGR ↔ Gray，BGR ↔ HSV等。
此外，我们将创建一个应用程序来提取视频中的彩色物体。
您将学习以下函数：cv.cvtColor()，cv.inRange()等。

颜色空间转换

OpenCV中提供了超过150种颜色空间转换方法。但我们将只关注两种最常用的方法：BGR ↔ Gray和BGR ↔ HSV。

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

对于BGR → Gray转换，我们使用标志cv.COLOR_BGR2GRAY。类似地，对于BGR → 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，色相范围为[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比例。因此，如果您将OpenCV值与它们进行比较，则需要对这些范围进行归一化。

物体跟踪

现在我们知道了如何将BGR图像转换为HSV，我们可以用它来提取彩色物体。在HSV中，表示颜色比在BGR颜色空间更容易。在我们的应用程序中，我们将尝试提取蓝色物体。所以这里的方法是：

获取视频的每一帧
从BGR转换为HSV颜色空间
我们对HSV图像进行阈值处理，以获得一定范围的蓝色
现在单独提取蓝色物体，我们可以在该图像上做任何我们想做的事情。

以下是代码，其中有详细的注释

import cv2 as cv
import numpy as np
 
cap = cv.VideoCapture(0)
 
while(1)
 
    # 获取每一帧
_, frame = cap.read()
 
    # 将BGR转换为HSV
hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
 
    # 定义HSV中蓝色的范围
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)
 
    # 按位与掩码和原始图像
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
    if k == 27
        break
 
cv.destroyAllWindows()()

下图显示了蓝色物体的跟踪

图像

注意: 图像中有一些噪点。我们将在后面的章节中学习如何去除它们。; 这是物体跟踪中最简单的方法。一旦您学习了轮廓函数，您可以做很多事情，例如找到物体的质心并用它来跟踪物体，只需在摄像头前移动您的手就可以绘制图表，以及其他有趣的事情。

如何找到用于跟踪的HSV值？

这是在stackoverflow.com中经常遇到的一个问题。这很简单，您可以使用相同的函数cv.cvtColor()。您只需传递所需的BGR值，而不是传递图像。例如，要查找绿色的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，您将[H-10, 100,100]和[H+10, 255, 255]分别作为下限和上限。除了这种方法外，您还可以使用GIMP之类的图像编辑工具或任何在线转换器来查找这些值，但不要忘记调整HSV范围。

练习

尝试找到一种方法来提取多个彩色物体，例如，同时提取红色、蓝色和绿色物体。