在 OpenCV 中使用 cv2.inRange 确定用于颜色检测的 HSV 边界
当使用 OpenCV 中的 cv2.inRange 函数进行颜色检测时，它选择适当的 HSV（色调、饱和度、值）上下边界以准确识别目标至关重要颜色。
问题识别：
考虑包含带有橙色盖子的咖啡罐的图像示例，如下所示。
[图像带有橙色盖子的咖啡罐]
目标是确定 HSV 边界以隔离橙色盖子。最初尝试了 (18, 40, 90) 到 (27, 255, 255) 的范围，但得到了意想不到的结果。
解决方案 1：尺度转换
需要注意的是，不同的应用程序可能会使用不同的 HSV 值尺度。 OpenCV 使用 H: 0-179、S: 0-255、V: 0-255 的范围，而其他一些应用程序可能使用 H: 0-360、S: 0-100、V: 0-100 的范围。因此，有必要对 HSV 值进行相应的转换。
解决方案 2：颜色空间转换
OpenCV 使用 BGR（蓝、绿、红）颜色格式默认情况下，图像可能是 RGB（红、绿、蓝）格式。要将图像正确转换为 HSV，必须使用 cv2.COLOR_BGR2HSV 而不是 cv2.COLOR_RGB2HSV。
修订的代码：
import cv2
import numpy as np
image = cv2.imread('kaffee.png')
# Revised HSV boundaries considering scale conversion
ORANGE_MIN = np.array([5, 50, 50], np.uint8)
ORANGE_MAX = np.array([15, 255, 255], np.uint8)
# Convert image to HSV color space
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
# Apply color filtering
mask = cv2.inRange(hsv, ORANGE_MIN, ORANGE_MAX)
# Save the masked image
cv2.imwrite('kaffee_out.png', mask)此修订的方法应该在隔离咖啡罐橙色盖子时提供更准确的结果。
以上是如何使用 cv2.inRange 准确确定 OpenCV 中颜色检测的 HSV 边界？的详细内容。更多信息请关注PHP中文网其他相关文章！
