Question

我熟悉OpenCV的inRange函数来创建遮罩。假设我要获得某个颜色“周围”的颜色范围内的像素蒙版，可以这样做：

color = np.array([240, 60, 70])
max_dist = 50
img = cv2.inRange(img, [color] - max_dist, [color] + max_dist)

但是，这会将所有BGR颜色掩盖在中心颜色周围的“立方体”中。我正在寻找在BGR空间中中心颜色周围使用“球体”（即欧几里德距离）的替代方法。有什么想法吗？

我当然可以遍历图像，使用scipy.spatial.distance.cdist计算距离，然后一遍遍遍所有像素，然后将其包括在遮罩中或从遮罩中排除。但是，这在python中非常慢...

谢谢！

Answer 1

创建一个遮罩，以指示其欧几里德距离小于max_dist的像素：

R = img[:, :, 0].astype(np.float32)
G = img[:, :, 1].astype(np.float32)
B = img[:, :, 2].astype(np.float32)

sq_dist = (R - color[0]) ** 2 + (G - color[1]) ** 2 + (B - color[2]) ** 2

mask = sq_dist < (max_dist ** 2)

masked_img = np.repeat(mask[..., None], 3, axis=2) * img

Answer 2

最后得到了一个可行的答案。确切地说，我不想将自己限制为一种颜色，而是允许多种颜色。我正在使用内置的cdist函数+ dobkind上面建议的后处理，以将距离转换为蒙版。这比以前的方法快约7％。

max_dist = 10
colors = np.array([[250,40,60],[245,245,245]])
dist = scipy.spatial.distance.cdist(colors, img.reshape(-1, 3), 'euclidean')
mask = np.any(dist <= max_dist, axis=0).reshape(img.shape[0], img.shape[1])
img = np.repeat(mask[..., None], 3, axis=2) * img

OpenCV：使用radius是否可以替代cv2.inRange？

2 个答案: