使用openCV识别HSV中的颜色范围

Question

我正在使用python中的openCV识别黄色。我已经到了这个步骤，我必须在HSV中定义黄色的下限和上限。

定义蓝色范围的示例：

lower_blue = np.array([110,50,50])
upper_blue = np.array([130,255,255])

HSV通常以百分比定义，我想知道如何定义黄色范围，如示例所示。

This is the colorspaces tutorial I've been following.

编辑： 上面提到的博客中有一些建议，但它没有给我所需的输出。

Answer 1

看一下this page，您会找到所需颜色的HSV值。

对于HSV，Hue范围是[0,179]，饱和范围是[0,255]，值范围是[0,255]。不同的软件使用不同的规模。因此，如果要将OpenCV值与它们进行比较，则需要对这些范围进行标准化。

我猜你正在搜索下面的值为黄色

lower_blue = np.array([25,50,50])
upper_blue = np.array([32,255,255])

Answer 2

它是简单。您可以使用功能 cv2.cvtColor（）。无需传递图像，只需传递所需的BGR值（this one或this）即可。 例如，要找到绿色的HSV值，请输入以下命令-

import numpy as np
import cv2

green = np.uint8([[[26, 83, 255]]])
hsvGreen = cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
print(hsvGreen)
lowerLimit = (hsvGreen[0][0][0]-10,100,100)
upperLimit = (hsvGreen[0][0][0]+10,255,255)
print(upperLimit)
print(lowerLimit)

现在，上限将为-[H + 10，100,100]

并且下限将为-[H-10、255、255]

就这些，干杯！

Answer 3

您可以使用此示例调色板。第一个值是上限，第二个值是下限

color_dict_HSV = {'black': [[180, 255, 30], [0, 0, 0]],
              'white': [[180, 18, 255], [0, 0, 231]],
              'red1': [[180, 255, 255], [159, 50, 70]],
              'red2': [[9, 255, 255], [0, 50, 70]],
              'green': [[89, 255, 255], [36, 50, 70]],
              'blue': [[128, 255, 255], [90, 50, 70]],
              'yellow': [[35, 255, 255], [25, 50, 70]],
              'purple': [[158, 255, 255], [129, 50, 70]],
              'orange': [[24, 255, 255], [10, 50, 70]],
              'gray': [[180, 18, 230], [0, 0, 40]]}

Answer 4

如果从相机拍摄照片，则取决于照明条件。如果您的目标是跟踪某些对象，则应始终更新您的HSV值。我的建议是在照明条件下尽可能缩小边界。

Answer 5

如果我想这样做，请先找到黄色的RGB数字（我在油漆中使用“编辑颜色”） 然后通过以下方法将它们更改为HSV：

 u = np.uint8([[[0,236,236]]])
 # define range of blue color in HSV
 lower_yellow = np.array(cv2.cvtColor(l,cv2.COLOR_BGR2HSV))
 upper_yellow = np.array( cv2.cvtColor(u,cv2.COLOR_BGR2HSV))```

Answer 6

颜色范围

color_dict_HSV = {'black': [[180, 255, 30], [0, 0, 0]],
              'white': [[180, 18, 255], [0, 0, 231]],
              'red1': [[180, 255, 255], [159, 50, 70]],
              'red2': [[9, 255, 255], [0, 50, 70]],
              'green': [[89, 255, 255], [36, 50, 70]],
              'blue': [[128, 255, 255], [90, 50, 70]],
              'yellow': [[35, 255, 255], [25, 50, 70]],
              'purple': [[158, 255, 255], [129, 50, 70]],
              'orange': [[24, 255, 255], [10, 50, 70]],
              'gray': [[180, 18, 230], [0, 0, 40]]}

致谢：

阿里·哈希米安

如何使用 OpenCV 从图像中去除颜色

因为你们大多数人都想这样做，即在我的情况下，任务是从图像中删除蓝色，我使用以下代码，从我的图像中删除蓝色墨水图章和蓝色刻度线，以便使用 Tesseract 进行正确的 OCR。

[颜色去除]代码

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

# image path:    
#path = "D://opencvImages//"
#fileName = "out.jpg"

# Reading an image in default mode:
inputImage = cv2.imread('0.jpg')

# Convert RGB to grayscale:
grayscaleImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2GRAY)

# Convert the BGR image to HSV:
hsvImage = cv2.cvtColor(inputImage, cv2.COLOR_BGR2HSV)

# Create the HSV range for the blue ink:
# [128, 255, 255], [90, 50, 70]
lowerValues = np.array([90, 50, 70])
upperValues = np.array([128, 255, 255])

# Get binary mask of the blue ink:
bluepenMask = cv2.inRange(hsvImage, lowerValues, upperValues)
# Use a little bit of morphology to clean the mask:
# Set kernel (structuring element) size:
kernelSize = 3
# Set morph operation iterations:
opIterations = 1
# Get the structuring element:
morphKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (kernelSize, kernelSize))
# Perform closing:
bluepenMask = cv2.morphologyEx(bluepenMask, cv2.MORPH_CLOSE, morphKernel, None, None, opIterations, cv2.BORDER_REFLECT101)

# Add the white mask to the grayscale image:
colorMask = cv2.add(grayscaleImage, bluepenMask)
_, binaryImage = cv2.threshold(colorMask, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
cv2.imwrite('bwimage.jpg',binaryImage)
thresh, im_bw = cv2.threshold(binaryImage, 210, 230, cv2.THRESH_BINARY)
kernel = np.ones((1, 1), np.uint8)
imgfinal = cv2.dilate(im_bw, kernel=kernel, iterations=1)
cv2.imshow(imgfinal)

[原始图片]之前

蓝标提取

最终图像

在这里你可以看到几乎所有的刻度线都被删除了，原因是因为总是有改进的空间，但这似乎是我们能得到的最好的，因为即使删除这些小标记也不是使用 Tesseract 将对 OCR 产生深远影响。

希望有所帮助！