如何阈值LAB图像

Question

我在python中做一个用于手势识别的项目。因此，LAB颜色空间的使用将有助于提高识别的准确性，因为我们知道我们的肤色主要包括红色和黄色的比例，并且在Lαβ颜色空间的情况下，α分量表示红色之间的像素分量位置绿色，而β成分代表黄色和蓝色之间，使其不易受噪音影响。 但问题是，当我尝试使用opencv中提供的阈值函数将Lab图像转换为二进制时，它返回了一些错误，因为阈值函数的输入应该是灰度图像。有谁知道如何解决这个问题？

lab = cv2.cvtColor(img,cv2.COLOR_BGR2LAB)
blur = cv2.GaussianBlur(gray,(5,5),0)
ret,thresh1 = cv2.threshold(blur,70,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

返回的错误是断言失败。

有谁知道如何阈值LAB图像？

Answer 1

如果图像强度小于某个固定常数T，则最简单的阈值处理方法用黑色像素替换图像中的每个像素，如果图像强度大于该常数，则用白色像素替换。因此，为了进行阈值处理，建议使用灰度图像。

在opencv中，cv2.threshold有两个参数，第一个参数是 源图像，应该是灰度图像。第二个参数是用于分类的阈值 像素值。

但是在Wikipedia中，有一个参考，我们可以通过为图像的每个RGB分量指定一个单独的阈值来阈值彩色图像，然后将它们与AND操作组合。

Answer 2

Opencv threshold文档：

  

输入数组（单通道，8位或32位浮点）。

您无法对彩色图像进行阈值处理。 grey来自哪里？您永远不会使用实验室转换的图像。

Answer 3

输入图像应该是单通道8位或32位浮点数，如M4rtini所说。但是，RGB，Lab，HSV都是从3个8位通道构建的图像。如果您拆分频道

L, a, b = cv2.split(lab)

结果将是3个单通道图像。这些你可以输入到函数

 ret,thresh_L = cv2.threshold(L,70,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
 ret,thresh_a = cv2.threshold(a,70,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
 ret,thresh_b = cv2.threshold(b,70,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

基本上，你可以输入任何2d numpy数组到阈值函数，只要它的8位或32位浮点数。 OpenCv将Lab色彩空间缩放到0-256。