3.1 ImageProcessing - 颜色空间

改变颜色空间

OpenCV中有150多种颜色空间转换方法。但我们将只研究两个最广泛使用的，即 BGR - Gray 和 BGR - HSV。

对于颜色转换，我们使用函数 cv2.cvtColor(input_image，flag)，其中 flag 确定转换类型。

对于 BGR - Gray 转换，我们使用 cv2.COLOR_BGR2GRAY 标志。同样，对于 BGR - HSV ，我们使用 cv2.COLOR_BGR2HSV 标志。要获取其他标志，只需在python终端中运行以下命令：

import cv2

flags = [i for i in dir(cv2) if i.startswith('COLOR_')]
print(flags)

对于HSV，色调范围为[0,79]，饱和度范围为[0,255]，值范围为[0,255]。不同的软件使用不同的比例。因此，如果将opencv值与它们进行比较，则需要规范化这些范围。

目标跟踪

现在我们知道了如何将bgr图像转换为hsv，我们可以使用它来提取彩色对象。在HSV中，表示颜色比RGB颜色空间更容易。在我们的应用程序中，我们将尝试提取蓝色对象。所以方法如下：

• 拍摄视频的每一帧
• 从BGR转换为HSV颜色空间
• 我们将HSV图像的蓝色范围设定为阈值。
• 现在只提取蓝色物体，我们可以在图像上做任何我们想做的事情。

import cv2
import numpy as np

cap = cv2.VideoCapture(0)

while(1):

    # Take each frame
    _, frame = cap.read()

    # Convert BGR to HSV
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

    # define range of blue color in HSV
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])

    # Threshold the HSV image to get only blue colors
    mask = cv2.inRange(hsv, lower_blue, upper_blue)

    # Bitwise-AND mask and original image
    res = cv2.bitwise_and(frame,frame, mask=mask)

    cv2.imshow('frame',frame)
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break

cv2.destroyAllWindows()

这是目标跟踪中最简单的方法。一旦你学习了轮廓的功能，你就可以做很多事情，比如找到这个物体的质心，然后用它来跟踪这个物体，只需在相机前面移动你的手就可以画出图表，还有很多其他有趣的事情。

如何找到要跟踪的HSV值？

您可以使用相同的函数 cv2.cvtColor()。不要传递图像，只需传递所需的BGR值。例如，要查找绿色的hsv值，请在python终端中尝试以下命令：

import cv2
import numpy as np 

green = np.uint8([[[0,255,0 ]]])
hsv_green = cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
print(hsv_green)
# [[[ 60 255 255]]]

现在分别取 [H-10, 100, 100] 和 [H+10, 255, 255] 作为下限和上限。除此之外，您可以使用任何图像编辑工具（如GIMP）或任何在线转换器来查找这些值，但不要忘记调整HSV范围。