Question

我想基于开放式cv中的颜色检测基于图像处理的项目的blob。但是在用于斑点检测的开放式cv函数中，它们将输入BGR图像转换为灰度，然后对图像进行阈值处理，从而导致颜色信息丢失。

以下代码来自blob检测库。

if (image.channels() == 3)
        cvtColor(image, grayscaleImage, COLOR_BGR2GRAY);
    else
        grayscaleImage = image.getMat();

    if (grayscaleImage.type() != CV_8UC1) {
        CV_Error(Error::StsUnsupportedFormat, "Blob detector only supports 8-bit images!");
    }

有没有基于颜色的blob检测方法？

Answer 1

是的，你可以使用opencv cv::inRange方法轻松地分割出颜色斑点，这会为落在指定范围内的像素产生单通道二进制掩码。使用inRange的主要优点在于您可以对所有类型的垫进行分段，即grayScale, RGB, RGBA。它可以使用如下：

image = cv::imread("./sample.png"); #For reading the image in RGB format
#image = cv::imread("./sample.png", -1) #For reading the image in existing format
cv::Mat segmented_image;
# For segmenting the image in RGB format.
cv::inRange(image, cv::Scalar(100, 10, 60), cv::Scalar(120, 50, 70), segmented_image);

# For segmenting the image in Gray format
cv::inRange(image, cv::Scalar(110), cv::Scalar(150), segmented_image);

# For segmenting the image in RGBA format
cv::inRange(image, cv::Scalar(100, 10, 60, 10), cv::Scalar(120, 50, 70, 250), segmented_image);

Answer 2

自己处理从彩色图像到灰度的转换。例如，如果您想要红色对象，请仅使用红色通道，然后在那里搜索blob。

通常，最好从RGB移动到HSV（色调，饱和度，值）。色调通道应该为您提供更好的颜色分离。（见HSV and HSL）

cv::cvtColor(image, imgHSV, cv::COLOR_BGR2HSV);
cv::inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);

开放式cv中基于颜色的斑点检测

2 个答案: