机器视觉学习-day05-图片颜色识别及颜色替换

HSV颜色空间使用色调或色相（Hue）、饱和度（Saturation）和亮度或明度（Value）三个参数来表示颜色，色调 H 表示颜色的种类，如红色、绿色、蓝色等；饱和度 S 表示颜色的纯度或强度，如红色越纯，饱和度就越高；亮度 V 表示颜色的明暗程度，如黑色比白色亮度低。

由于HSV的颜色是连续的，比RGB更适合进行颜色范围划分，常见的颜色经过试验得到的范围如下：

代码运行步骤：图片输入→HSV空间转换→制作掩膜→与运算→图片输出

掩膜（Mask）是一种在图像处理中常见的操作（类似于PS中的蒙版），它可以选择性地遮挡图像的某个部分，从而实现特定任务的目标。掩膜通常是一个二值化图像，并且与原图相同大小，其中目标区域被设置为255（白色），而其他区域设置为0（黑色），目标区域可以根据HSV的参数修改，通过掩膜可以使用白色区域操作原图中的同位置像素。

与运算在图像处理中，与运算被用来对像素进行操作，可以将两个图像中的所有对应像素值进行与运算操作。

原图名称：demo.jpg

import cv2
import numpy as npif __name__ == '__main__':# 1.图片输入path = 'demo.jpg'  # 图像文件路径image_np = cv2.imread(path)  # 读取图像为NumPy数组(BGR格式)# 2.HSV空间转换hsv_image_np = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)  # BGR转HSV# print(hsv_image_np.shap) # 打印HSV图像的维度(高度, 宽度, 通道数)# print(hsv_image_np)           # (注释)打印HSV像素值数组# 3. 制作掩膜# 定义红色范围1red_low = np.array([0, 43, 46])  # 红色下限(Hmin, Smin, Vmin)red_high = np.array([10, 255, 255])  # 红色上限(Hmax, Smax, Vmax)mask1 = cv2.inRange(  # 创建二值掩膜hsv_image_np,  # 基于哪个图像, 输入HSV图像red_low,  # 颜色下限red_high  # 颜色上限)# print(mask1.shape)# print(mask1)# 定义红色范围2red_low = np.array([156, 43, 46])  # 红色第二范围下限(深红色)red_high = np.array([180, 255, 255])  # 第二范围上限# 制作掩膜mask2 = cv2.inRange(  # 创建第二个掩膜hsv_image_np,red_low,red_high)# 合并掩膜mask_image_np = cv2.bitwise_or(mask1, mask2)  # 创建第二个掩膜# print(mask_image_np.shape)# print(mask_image_np)# 原图和掩膜进行 与操作color_image_np = cv2.bitwise_and(  # 按位与操作image_np,  # 原始图像image_np,  # 再次使用原始图像mask=mask_image_np  # 应用合并后的掩膜)  # 掩膜# print(color_image_np.shape) # 输出结果图像维度# print(color_image_np)# 输出结果像素数组# 图片输出cv2.imshow('mask1:', mask1)  # 显示第一个红色掩膜cv2.imshow('mask2:', mask2)  # 显示第二个红色掩膜cv2.imshow('mask_image_np', mask_image_np)  # 显示合并掩膜cv2.imshow('color_image_np', color_image_np)  # 显示提取的红色区域cv2.waitKey(0)  # 等待按键(0表示无限等待)

运行后结果：

mask1.png 

mask2.png

合并后的掩膜：

color_red_np.png：

3 颜色替换

在图像中识别某一种（多种）颜色，那么就可以对这些颜色进行单独操作，比如替换成其他的颜色，原理就是在得到掩膜后，对掩膜中白色区域的原图进行一个像素值的修改。

代码运行步骤：图片输入→HSV空间转换→制作掩膜→开运算→颜色替换→图片输出

在形态学变换章节中学习了腐蚀和膨胀的工作原理，开运算就是先对图像进行腐蚀操作，再进行膨胀操作，开运算的效果是可以去除二值化图中的小噪点，并分离相连的物体。

由于掩膜与原图的大小相同，并且像素的一一对应的，可以得到掩膜中的白色区域坐标，把掩膜中所有白色区域的坐标带入到原图中，就可以得到原图中所有红色区域的坐标。拿到原图红色的坐标后，可以进行任何红色像素值的操作，例如修改颜色。

图片名称：image.jpg

import cv2
import numpy as npif __name__ == '__main__':# 1.图片输入path = 'image.jpg'image_np = cv2.imread(path)  # 读取图片到NumPy数组（BGR格式）# 2.HSV空间转换hsv_image_np = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)  # 将图片从BGR颜色空间转换为HSV颜色空间# print(hsv_image_np) # 打印HSV图像的维度（高度, 宽度, 通道数）# 3. 制作掩膜# 定义红色范围1（HSV格式：0°-10°）red_low = np.array([0, 43, 46])red_high = np.array([10, 255, 255])# 制作掩膜1mask1 = cv2.inRange(hsv_image_np,  # 基于哪个图像就输入哪个图像（HSV图像）red_low,  # 颜色下限red_high  # 颜色上限)  # 创建二值掩膜：在红色范围内的像素为255(白色)，其余为0(黑色)# print(mask1.shape)  # 打印掩膜维度（单通道）# print(mask1)        # 打印掩膜数据（二维数组）# 定义红色范围2（HSV格式：156°-180°）red_low = np.array([156, 43, 46])red_high = np.array([180, 255, 255])# 制作掩膜mask2 = cv2.inRange(hsv_image_np,red_low,  # 颜色下限red_high  # 颜色上限)# 合并掩膜mask_image_np = cv2.bitwise_or(mask1, mask2)  # 将两个掩膜合并（逻辑OR操作）# print(mask_image_np.shape)  # 打印合并后掩膜维度# print(mask_image_np)  # 打印合并掩膜数据# 4.图片矫正. 开运算（去噪）# 创建一个5x5矩形核kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))# 执行开运算open_image_np = cv2.morphologyEx(src=mask_image_np,  # 输入掩膜op=cv2.MORPH_OPEN,  # 开运算类型（先腐蚀后膨胀）kernel=kernel  # 使用的结构核)  # 去除小噪点，平滑物体边界# 颜色替换for i in range(open_image_np.shape[0]):  # 遍历高度方向for j in range(open_image_np.shape[1]):  # 遍历宽度方向# 如果当前遍历的像素点是掩膜的白色if open_image_np[i, j] == 255:  # 当开运算掩膜中为白色区域时# 给原图进行颜色替换为蓝色image_np[i, j] = (255, 0, 0)  # 将原图对应像素改为蓝色(BGR格式)# 6. 图片输出cv2.imshow('mask_image_np', mask_image_np)  # 显示原始掩膜cv2.imshow('open_image_np', open_image_np)  # 显示开运算后的掩膜cv2.imshow('image_np', image_np)  # 显示处理后的原图（红色变蓝）cv2.waitKey(0)  # 等待任意按键关闭窗口cv2.imwrite('blue.png', image_np)

原始掩膜：mask_image_np.png

开运算后的掩膜：open_image_np.png

最终结果：blue.png