Question

我试图将cv :: InRange（）与HSV图像一起使用。因为色调值是循环的，所以我需要处理最小/最大值，其中最小色调可能大于最大色调值。到目前为止，我使用以下代码来计算范围掩码：

cv::Mat InRangeMask(const cv::Mat &hsv, cv::Scalar min, cv::Scalar max)
{
    cv::Mat rangeMask;
    if(min[0]<=max[0])
    {
        cv::inRange(hsv, min, max, rangeMask);
    } 
    else 
    {
        cv::Mat rangeMask2;
        cv::Scalar min1(0, min[1], min[2]);
        cv::Scalar max1(min[0], max[1], max[2]);
        cv::Scalar min2(max[0], min[1], min[2]);
        cv::Scalar max2(179, max[1], max[2]);

        cv::inRange(hsv, min1, max1, rangeMask);
        cv::inRange(hsv, min2, max2, rangeMask2);
        rangeMask |= rangeMask2;
    }
    return rangeMask;
}

但是这个解决方案在else情况下需要两倍的时间（在优化发布中）。我认为可以有更高效的代码来反转范围或以某种方式反转图像。但由于我使用完整的hsv系列而不仅仅是色调通道，我还没有找到更好的解决方案。

用于计算hsv范围内像素的更有效实现是什么？我确定有人已经有一个很好的解决方案来解决这个问题。使用openCV函数还是重写算法？

Answer 1

您始终可以重写算法，这对于函数inRange来说并不复杂。

另一种解决方案可能是在inRange时使用min[0]<=max[0]，否则请执行以下操作：

使用{hchan,schan,vchan}

cv::split

将inRange应用于三个频道并获取maskH，maskS，maskV
- inRange(hchan,max[0],min[0],maskH)
- inRange(schan,min[1],max[1],maskS)
- inRange(vchan,min[2],max[2],maskV)
重新组合这三个面具
- bitwise_and(maskS,maskV,rangeMask)
- bitwise_not(maskH,maskH)
- bitwise_and(maskH,rangeMask)

但我个人认为这是一个过冲（并且比重写算法效率低）。

具有循环色调范围的HSV中的高效InRange

1 个答案: