opencv-hsv圖像分離合並

python3-opencv庫（3）--圖片顏色空間轉換，利用HSV進行物體跟蹤，圖像通道分離與合並

2018年02月23日 19:36:50 giveup_skyland 閱讀數：1066 標簽： python3計算機視覺opencv圖像處理 更多

個人分類： 計算機視覺python

 

版權聲明：轉載請注明原作者及出處

1.  
   from cv2 import cv2 #或者import cv2
2.  
   import numpy as np
3.  
    
4.  
   """H(hue)色調 0~180；S(saturation)飽和度 0~255；V(value) 0~255
5.  
   具體參見HSV顏色空間的百度百科"""
6.  
   def extract_object_demo():
7.  
   """通過顏色過濾的方法來跟蹤捕獲視屏中的物體"""
8.  
   """本函數就是一個追蹤視頻中綠色物體的程序"""
9.  
   capture = cv2.VideoCapture( "D:/movie/星際牛仔BD/星際牛仔Session8ワルツ_フォー_ヴィーナスWaltzForVenus.MP4")
10.  
         #選擇打開一個視屏
11.  
        while True:
12.  
    ret, frame = capture.read()
13.  
    #從視頻中一幀一幀地讀取圖像
14.  
    if ret == False:
15.  
    break
16.  
    #判斷是否讀取正確，讀取失敗（比如視屏結束）則會終止循環,所以ret是個判斷讀取是否正確的返回量
17.  
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV)
18.  
    #將視屏每一幀轉換成HSV圖像
19.  
    lower_hsv = np.array([ 35, 43, 46],dtype=np.uint8)
20.  
    #設置HSV范圍下限（是長度為3的1D數組，三個元素分別表示H,S,V的下限）
21.  
    upper_hsv = np.array([ 77, 255, 255],dtype=np.uint8)
22.  
    #設置HSV范圍上限（是長度為3的1D數組，三個元素分別表示H,S,V的上限）
23.  
    #hsv處於該范圍內的就是廣義的綠色，我們就是為了把綠色篩選出來，顏色與HSV值得對應見下方的表
24.  
    mask = cv2.inRange(hsv,lower_hsv,upper_hsv)
25.  
    #第一參數為待處理的圖像，第二參數為HSV范圍下限，第三參數為HSV范圍上限
26.  
    '''cv2.inRange()方法對每一幀圖像進行處理，凡是HSV值處在范圍內的像素，
27.  
    一律為白色，范圍外的一律為黑色，最后返回一張二值化的圖，所謂二值化，就
28.  
    是全圖只有黑白兩色，即mask'''
29.  
    cv2.imshow( "video_initia",frame)
30.  
    cv2.imshow( "video_hsv",hsv)
31.  
    cv2.imshow( "video_mask",mask)
32.  
    k = cv2.waitKey( 20) #設置成按Esc鍵退出循環
33.  
    if k == 27:
34.  
    break
35.  
     
36.  
    def color_space_demo(img):
37.  
    """顏色空間的轉換BGR--->HSV"""
38.  
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
39.  
    #轉換成灰度圖
40.  
    cv2.imshow( "gray_img",gray)
41.  
     
42.  
    hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
43.  
    #轉換成HSV
44.  
    cv2.imshow( "hsv_img",hsv)
45.  
     
46.  
    yuv = cv2.cvtColor(img,cv2.COLOR_BGR2YUV)
47.  
    #轉換成YUV
48.  
    cv2.imshow( "yuv_img",yuv)
49.  
     
50.  
    ycrcb = cv2.cvtColor(img,cv2.COLOR_BGR2YCrCb)
51.  
    #轉換成YCrCb
52.  
    cv2.imshow( "ycrcb_img",ycrcb)
53.  
     
54.  
     
55.  
    print( "----------hello python!----------")
56.  
    src = cv2.imread( "Z.PNG")
57.  
    t1 = cv2.getTickCount()
58.  
    #=======================================================
59.  
    color_space_demo(src) #演示各種顏色空間之間的轉換
60.  
    extract_object_demo() #演示通過顏色過濾來跟蹤視頻中的物體
61.  
    #=======================================================
62.  
    t2 = cv2.getTickCount()
63.  
    time = (t2-t1)* 1000/cv2.getTickFrequency()
64.  
    print( "耗時：%s" % time)
65.  
    cv2.waitKey( 0)
66.  
     
67.  
    cv2.destroyAllWindows()

如何知道各種顏色對應的HSV范圍？參見下表
由於HSV是基於人類對顏色感覺而定制的標准，所以每種顏色都是用一個范圍來表示

三通道圖像的通道分離以及三個單通道圖像的通道合並

1.  
   from cv2 import cv2 #或者import cv2
2.  
   import numpy as np
3.  
    
4.  
    
5.  
   print( "--------------------hello python!--------------------")
6.  
   src = cv2.imread( "Z.PNG")
7.  
   t1 = cv2.getTickCount()
8.  
   #====================================================================
9.  
   b, g, r = cv2.split(src) #通道分離，把一副三通道圖像分成3個單通道圖像
10.  
     
11.  
    cv2.imshow( "blue",b) #展示分離后每個通道作為單通道圖像的灰度圖
12.  
    cv2.imshow( "green",g)
13.  
    cv2.imshow( "red",r)
14.  
     
15.  
    img = cv2.merge([b,g,r]) #通道合並
16.  
    cv2.imshow( "merge_img",img) #展示合並后的圖
17.  
    #====================================================================
18.  
    t2 = cv2.getTickCount()
19.  
    time = (t2-t1)* 1000/cv2.getTickFrequency()
20.  
    print( "耗時：%s" % time)cv2.waitKey( 0)cv2.destroyAllWindows()