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 \(\leftrightarrow\) 灰度，BGR \(\leftrightarrow\) HSV 等。
除此之外，我们将创建一个应用程序来提取视频中的彩色对象
您将学习以下函数：cv.cvtColor()，cv.inRange() 等。

颜色空间转换

OpenCV 中有超过 150 种颜色空间转换方法。但我们将只关注两种最常用的：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 决定了转换的类型。

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，只需在您的 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，色调范围是 [0,179]，饱和度范围是 [0,255]，值范围是 [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，您需要标准化这些范围。

对象跟踪

现在我们知道如何将 BGR 图像转换为 HSV，我们可以使用它来提取彩色对象。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，我们将尝试提取一个蓝色对象。这是该方法

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，以获得蓝色范围
现在单独提取蓝色对象，我们可以在该图像上做任何我们想做的事情。

下面是详细注释的代码

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，只获取蓝色
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()

下图显示了蓝色对象的跟踪

image

注意: 图像中存在一些噪声。我们将在后面的章节中看到如何去除它。; 这是对象跟踪中最简单的方法。一旦您学习了轮廓函数，您就可以做很多事情，例如找到对象的质心并使用它来跟踪对象，只需在相机前移动您的手来绘制图表，以及其他有趣的东西。

如何找到用于跟踪的 HSV 值？

这是在 stackoverflow.com 中发现的常见问题。这非常简单，您可以使用相同的函数 cv.cvtColor()。您只需传递您想要的 BGR 值，而不是传递图像。例如，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]]]

现在您将 [H-10, 100,100] 和 [H+10, 255, 255] 分别作为下限和上限。除了此方法，您还可以使用任何图像编辑工具（如 GIMP）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对象，例如，同时提取红色、蓝色和绿色对象。