北京做招聘网站的公司,建设部四库一平台查询,wordpress 批量修改文章分类,大二学生做网站难吗1. 计算机视觉中的颜色空间
颜色空间在计算机视觉领域的应用非常广泛#xff0c;它们在图像和视频处理、物体检测等任务中扮演着重要角色。颜色空间的主要作用是将颜色以数值形式表示出来#xff0c;这样计算机算法就能够对其进行处理和分析。不同的颜色空间有着不同的特点和…1. 计算机视觉中的颜色空间
颜色空间在计算机视觉领域的应用非常广泛它们在图像和视频处理、物体检测等任务中扮演着重要角色。颜色空间的主要作用是将颜色以数值形式表示出来这样计算机算法就能够对其进行处理和分析。不同的颜色空间有着不同的特点和适用场景下面我们来快速了解一下几种最常用的颜色空间
RGB颜色空间这是最常用的颜色空间之一特别是在计算机显示和数字图像处理中。RGB代表红色Red、绿色Green、蓝色Blue这三种基本颜色可以通过不同比例的混合来生成其他颜色。RGB颜色空间是一个三维空间每个颜色由三个分量的强度值决定通常范围在0到255之间。这种颜色空间直观地反映了颜色的组成但它并不总是与人眼对颜色的感知完全一致。 HSV颜色空间HSV代表色调Hue、饱和度Saturation和亮度Value。HSV颜色空间特别适合于颜色分割和基于颜色的物体识别任务。色调表示颜色的种类类似于色轮上的角度范围从0到360度饱和度表示颜色的纯度从0%灰色到100%完全饱和的颜色亮度表示颜色的明暗程度从0%黑色到100%白色。HSV颜色空间将颜色信息与亮度信息分离因此在不同的光照条件下进行颜色识别时更为鲁棒。 LAB颜色空间LAB颜色空间包括亮度L*、从绿到红的色度a*以及从蓝到黄的色度b*。这种颜色空间的设计旨在更好地匹配人类视觉的感知特性使得颜色之间的数值差异与我们感知到的差异更为接近。LAB颜色空间特别适合于需要精确颜色差异匹配的应用场景如颜色编辑和校正。
2. HSV颜色空间
颜色空间的选择对于计算机视觉应用的性能有着显著影响。每种颜色空间都有其独特的属性使其适用于特定的任务和场景。HSV颜色空间在基于颜色的物体检测中特别受欢迎原因如下 颜色与亮度分离HSV颜色空间的一个关键特点是它将颜色信息色调H与亮度信息亮度V分开表示。这意味着即使在光照条件发生变化的情况下物体的颜色特征色调和饱和度也能保持相对稳定。这种分离使得HSV颜色空间在处理光照变化时更为鲁棒因为可以通过调整色调和饱和度的范围来检测特定颜色的物体而不受亮度变化的影响。 直观的颜色表示HSV颜色空间提供了一种更接近人类对颜色感知的表示方式。色调H是颜色的基本属性它描述了颜色的种类如红色、绿色或蓝色。饱和度S描述了颜色的纯度即颜色的强度或鲜艳程度。这使得在HSV空间中定义和识别颜色变得更加直观和容易。 易于调整和过滤在HSV颜色空间中可以通过设置色调、饱和度和亮度的阈值来创建颜色掩码从而过滤和检测特定颜色的物体。这种方法在图像处理和计算机视觉中非常有用尤其是在需要从复杂背景中分离出特定颜色物体的应用中。 对阴影和反射的鲁棒性由于HSV颜色空间将颜色与亮度分离因此在物体被阴影覆盖或反射光线时仍然可以有效地识别物体的颜色特征。这对于在各种环境条件下进行物体检测尤为重要。
HSV颜色空间是一种将颜色以色调Hue、饱和度Saturation和值Value三个维度来表示的方法这种表示方式更接近人类对颜色的感知和理解 色调Hue色调是颜色的基本属性它描述了颜色的种类。色调通常用角度值来表示范围从0度到360度。在HSV颜色模型中色调的度量是以色轮为基础的其中红色通常对应于0度或360度因为色轮是连续的绿色对应于120度蓝色对应于240度。色调的这种表示方式使得颜色的选择和调整变得直观因为它与我们在日常生活中描述颜色的方式相一致。 饱和度Saturation饱和度描述了颜色的纯度或强度。饱和度的值范围从0%到100%其中0%表示完全缺乏颜色即灰色而100%表示完全饱和的颜色。高饱和度的颜色看起来鲜艳、生动而低饱和度的颜色则看起来暗淡、柔和。饱和度的调整可以改变图像的整体外观使其看起来更生动或更柔和。 值Value值表示颜色的明暗程度也就是颜色的亮度。值的范围也是从0%到100%其中0%代表纯黑色100%代表纯白色。值的改变可以影响颜色的明暗对比但不会影响颜色的色调和饱和度。通过调整值可以使物体在不同光照条件下保持其颜色特征这对于在变化的环境中进行物体检测和识别非常重要。
3.基于颜色的物体检测 现在的目标是检测图像中的高尔夫球。创建一个名为color_detection_image.py的新文件并添加以下代码
import cv2# 读取图像
image cv2.imread(examples/1.jpg)# 从BGR转换为HSV颜色空间
hsv_image cv2.cvtColor(image, cv2.COLOR_BGR2HSV)第一步是读取图像并将其从BGR转换为HSV颜色空间。可以使用cv2.cvtColor()函数并使用cv2.COLOR_BGR2HSV标志从BGR转换为HSV颜色空间。现在定义想要检测的颜色范围。在这个例子中将检测球的白色。可以通过定义HSV颜色空间的下限和上限来实现这一点。 对于白色下限是(75, 0, 99)上限是(179, 62, 255)。可以更改这些值以检测其他颜色。这里创建了一个简单的Python脚本一个HSV颜色选择器这能获取的颜色的HSV值。要获取上面图像中白色高尔夫球的下限和上限可以运行hsv_color_picker_images.py脚本然后调整值直到获得所需的结果。这是的图像的一个示例
# 白色下限和上限
lower_limit np.array([75,0,99
])upper_limit np.array([179,62,255
])# 为指定的颜色范围创建掩码
mask cv2.inRange(hsv_image, lower_limit, upper_limit)# 从掩码图像中获取边界框
bbox cv2.boundingRect(mask)然后使用cv2.inRange()函数为指定的颜色范围创建掩码。该函数接受HSV图像和颜色范围的下限和上限作为输入并返回一个二进制掩码图像。然后可以使用cv2.boundingRect()函数获取图像中物体的边界框。该函数接受掩码图像作为输入并返回边界框坐标x, y, w, h其中(x, y)是边界框的左上角而(w, h)是边界框的宽度和高度。
# 如果我们得到一个边界框使用它在图像上绘制一个矩形
if bbox is not None:print(物体检测到)x, y, w, h bboxcv2.rectangle(image, (x, y), (x w, y h), (0, 255, 0), 2)
else:print(物体未检测到)cv2.imshow(图像, image)
cv2.waitKey(0)4.视频中颜色的物体检测
# 初始化视频捕获对象
cap cv2.VideoCapture(examples/1.mp4)# 获取视频流中帧的宽度、高度和fps。
frame_width int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps int(cap.get(cv2.CAP_PROP_FPS))# 初始化FourCC和视频编写器对象
fourcc cv2.VideoWriter_fourcc(*XVID)
output cv2.VideoWriter(output.mp4, fourcc, fps, (frame_width, frame_height))使用cv2.VideoCapture()函数初始化视频捕获对象。将视频文件的路径作为输入。然后使用cv2.CAP_PROP_FRAME_WIDTH、cv2.CAP_PROP_FRAME_HEIGHT和cv2.CAP_PROP_FPS属性获取视频流中帧的宽度、高度和fps。然后可以初始化cv2.VideoWriter对象来写入输出视频。将输出视频文件的路径、FourCC代码、fps和帧的宽度和高度作为输入。
现在让逐帧读取视频并对每一帧执行基于颜色的物体检测
while True:ret, frame cap.read()if not ret:print(没有更多帧可读退出...)break# 从BGR转换为HSV颜色空间hsv_frame cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)读取视频后循环遍历帧并检查帧是否成功读取使用ret变量。如果帧未成功读取打印一条消息表示没有更多帧可读并退出循环。如果帧成功读取使用cv2.cvtColor()函数将帧的颜色空间从BGR转换为HSV。现在检测的定义颜色范围。
# 蓝色下限和上限
lower_limit np.array([99,135,51
])upper_limit np.array([116,226,255
])mask cv2.inRange(hsv_frame, lower_limit, upper_limit)bbox cv2.boundingRect(mask)然后为指定的颜色范围创建掩码并获取帧中物体的边界框。然后使用边界框坐标在帧上绘制一个矩形如果边界框不为空并显示帧。将帧写入输出视频文件并检查用户是否按下了q键。如果退出循环。
