python opencv颜色空间转换 opencv颜色特征

opencv颜色识别（hsv）

hsv

即色相、饱和度、明度（英语：Hue, Saturation, Value）

1. 色相（H）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等。
2. 饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。
3. 明度（V），亮度（L），取0-100%。

使用的到的相关工具

1. cv2.createTrackbar(str1,str2,num1,num2,func)：创建滑动条 str1：滑动条名称、str2：滑动条窗口名称、num1，num2：滑动条上下阈值、func：滑动滑动条时调用的函数
2. cv2.getTrackbarPos(str1,str2)：获取滑动条数值 str1：滑动条名称、str2：滑动条窗口名称
3. cv2.inRange(imgHSV, Lower, Upper)：保留imgHSV列表中在lower和upper之间的值，并置为255，其余数置零
4. img_mask =cv2.bitwise_and(img,img,mask=mask)：数值相与，在img（原图像上加掩膜），赋值给img_mask
5. all_img_mask = np.vstack([white_array, img,img_mask])：将size相同，颜色通道数相同的图像拼接起来
6. cv2.putText(all_img_mask, str(white_mask)[0:6], (0, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 2)：在图像上写字

测试代码

import numpy as np
import cv2

def val(x):
    global Lower, Upper
    #获取滑动条的数值
    l_h = cv2.getTrackbarPos("LowH", "control")
    h_h = cv2.getTrackbarPos("highH", "control")
    l_s = cv2.getTrackbarPos("LowS", "control")
    h_s = cv2.getTrackbarPos("highS", "control")
    l_v = cv2.getTrackbarPos("LowV", "control")
    h_v = cv2.getTrackbarPos("highV", "control")
    Lower = np.array([l_h, l_s, l_v])  # 要识别颜色的下限
    Upper = np.array([h_h, h_s, h_v])  # 要识别的颜色的上限



def color_(img):
    imgHSV = cv2.cvtColor(img , cv2.COLOR_BGR2HSV)
    #创建滑动条
    cv2.namedWindow("control")
    cv2.resizeWindow("control",640,240)
    cv2.createTrackbar("LowH", "control", 0, 179, val)
    cv2.createTrackbar("highH", "control", 179, 179, val)
    cv2.createTrackbar("LowS", "control", 0, 255, val)
    cv2.createTrackbar("highS", "control", 255, 255, val)
    cv2.createTrackbar("LowV", "control", 0, 255, val)
    cv2.createTrackbar("highV", "control", 255, 255, val)


    while True:
        mask = cv2.inRange(imgHSV, Lower, Upper)
        # mask是把HSV图片中在颜色范围内的区域变成白色，其他区域变成黑色
        white_mask = np.average(mask)
        white_mask = white_mask / 255 * 100
        # white_mask是该色域在区域中的占比值
        img_mask = cv2.bitwise_and(img,img,mask=mask)
        # img_mask获得原图中的指定颜色图像
        all_img_mask = np.vstack([white_array, img, img_mask])
        # all_img_mask将所有的图像拼接起来
        cv2.putText(all_img_mask, str(white_mask)[0:6], (0, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 0), 2)
        cv2.imshow("test", all_img_mask)
        if cv2.waitKey(1) == ord('q'):
            cv2.destroyAllWindows()
            break


if __name__ == '__main__':
    Lower = np.array([0, 0, 0])  # 要识别颜色的下限
    Upper = np.array([179, 255, 255])  # 要识别的颜色的上限
    white_array = np.zeros((50,200,3),np.uint8)
    white_array.fill(255)
    path = "E:\\color_test.jpg"
    img = cv2.imread(path)
    img = cv2.resize(img,(200,200))
    color_(img)

测试图