使用 Java OpenCV 定义红色阈值

在计算机视觉中，阈值分割是识别对象的常用方法之一。使用 OpenCV 来处理图像时，定义颜色阈值可以帮助我们提取特定颜色的区域。本篇文章将教你如何在 Java OpenCV 中定义红色阈值，并进行简单的颜色过滤。

1. 整体流程

首先，我们需要了解实现整个功能的步骤。下面的表格展示了实现的基本流程。

步骤 描述
1 引入 OpenCV 库
2 读取图像
3 转换 BGR 图像到 HSV
4 定义红色的 HSV 阈值
5 创建掩膜 (mask)
6 通过掩膜提取原图中红色部分
7 显示结果

2. 每一步的详细操作

2.1 引入 OpenCV 库

首先，确保在你的项目中引入 OpenCV 库。你可以通过 Maven 依赖添加 OpenCV：

<dependency>
    <groupId>org.opencv</groupId>
    <artifactId>opencv</artifactId>
    <version>4.5.3</version> <!-- 请根据实际情况选择版本 -->
</dependency>

2.2 读取图像

使用 OpenCV 读取图像，以下代码展示了如何读取图像文件：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;

public class ColorThresholding {

    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME); // 加载 OpenCV 库
        
        // 读取图像
        Mat image = Imgcodecs.imread("path/to/your/image.jpg"); // 替换为你的图像路径
        if (image.empty()) {
            System.out.println("无法读取图像");
            return;
        }
    }
}

2.3 转换 BGR 图像到 HSV

为了方便对颜色的处理，通常需要将 BGR 图像转换为 HSV 色彩模型：

import org.opencv.core.Mat;
import org.opencv.core.CvType;
import org.opencv.imgproc.Imgproc;

public static Mat convertToHSV(Mat image) {
    Mat hsvImage = new Mat(); // 创建一个空的 Mat 对象用于存放 HSV 图像
    Imgproc.cvtColor(image, hsvImage, Imgproc.COLOR_BGR2HSV); // 转换 BGR 到 HSV
    return hsvImage;
}

2.4 定义红色的 HSV 阈值

接下来需要定义红色的 HSV 阈值。根据 HSV 色彩空间的特点，红色通常分为两个范围：

import org.opencv.core.Scalar;

public static Scalar[] defineRedThresholds() {
    // 红色的 HSV 阈值范围
    Scalar lowerRed1 = new Scalar(0, 100, 100); // 第一部分
    Scalar upperRed1 = new Scalar(10, 255, 255);
    
    Scalar lowerRed2 = new Scalar(160, 100, 100); // 第二部分
    Scalar upperRed2 = new Scalar(180, 255, 255);
    
    return new Scalar[]{lowerRed1, upperRed1, lowerRed2, upperRed2}; // 返回四个值
}

2.5 创建掩膜 (mask)

接下来，我们用 inRange 函数创建一个掩膜，提取所有红色区域：

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.Core.MinMaxLocResult;

public static Mat createMask(Mat hsvImage, Scalar[] redThresholds) {
    Mat mask1 = new Mat();
    Mat mask2 = new Mat();
    Mat mask = new Mat();

    // 在图像中查找指定颜色的区域
    Core.inRange(hsvImage, redThresholds[0], redThresholds[1], mask1);
    Core.inRange(hsvImage, redThresholds[2], redThresholds[3], mask2);

    // 将两个掩膜合并
    Core.bitwise_or(mask1, mask2, mask); 
    return mask;
}

2.6 通过掩膜提取原图中红色部分

利用掩膜从原图中提取红色部分：

public static Mat extractRedObjects(Mat image, Mat mask) {
    Mat result = new Mat();
    Core.bitwise_and(image, image, result, mask); // 通过掩膜提取红色部分
    return result;
}

2.7 显示结果

最后，使用 OpenCV 显示结果图像：

import org.opencv.highgui.HighGui;

public static void showImages(Mat image, Mat result) {
    HighGui.imshow("Original Image", image);
    HighGui.imshow("Red Objects", result);
    HighGui.waitKey(0); // 等待用户按键后关闭窗口
}

3. 完整代码示例

以下是整合上述步骤的完整代码：

import org.opencv.core.*;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.opencv.highgui.HighGui;

public class ColorThresholding {

    public static void main(String[] args) {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        Mat image = Imgcodecs.imread("path/to/your/image.jpg");
        if (image.empty()) {
            System.out.println("无法读取图像");
            return;
        }

        Mat hsvImage = convertToHSV(image);
        Scalar[] redThresholds = defineRedThresholds();
        Mat mask = createMask(hsvImage, redThresholds);
        Mat result = extractRedObjects(image, mask);

        showImages(image, result);
    }

    // 其他步骤的方法
}

结尾

通过本篇文章，你应该能够理解如何在 Java 中使用 OpenCV 定义红色阈值并进行颜色过滤。这不仅可以帮助你提取图像中的红色区域，也为你后续的图像处理打下了基础。希望这对你的学习旅程有所帮助！如有任何问题，请随时提出。