通过HSV进行颜色分离

图片通常是以RGB格式存储，难以分离出颜色，可以转换到HSV空间进行颜色分离。

HSL 和 HSV（也叫HSB）是对RGB 色彩空间中点的两种有关系的表示，它们尝试描述比 RGB 更准确的感知颜色联系，并仍保持在计算上简单。

H指hue（色相）、S指saturation（饱和度）、L指lightness（亮度）、V指value(色调)、B指brightness（明度）。

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。

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。

明度（V），亮度（L），取0-100%。

HSL 和 HSV 二者都把颜色描述在圆柱坐标系内的点，这个圆柱的中心轴取值为自底部的黑色到顶部的白色而在它们中间是的灰色，绕这个轴的角度对应于“色相”，到这个轴的距离对应于“饱和度”，而沿着这个轴的高度对应于“亮度”，“色调”或“明度”。

这两种表示在用目的上类似，但在方法上有区别。二者在数学上都是圆柱，但 HSV（色相，饱和度，色调）在概念上可以被认为是颜色的倒圆锥体（黑点在下顶点，白色在上底面圆心），HSL 在概念上表示了一个双圆锥体和圆球体（白色在上顶点，黑色在下顶点，最大横切面的圆心是半程灰色）。注意尽管在 HSL 和 HSV 中“色相”指称相同的性质，它们的“饱和度”的定义是明显不同的。

因为 HSL 和 HSV 是设备依赖的 RGB 的简单变换，(h, s, l) 或 (h, s, v) 三元组定义的颜色依赖于所使用的特定红色、绿色和蓝色“加法原色”。每个独特的 RGB 设备都伴随着一个独特的 HSL 和 HSV 空间。但是 (h, s, l) 或 (h, s, v) 三元组在被约束于特定 RGB 空间比如 sRGB 的时候就变成明确的了。

详见wiki百科：http://zh.wikipedia.org/wiki/HSL%E5%92%8CHSV%E8%89%B2%E5%BD%A9%E7%A9%BA%E9%97%B4

般对颜色空间的图像进行有效处理都是在HSV空间进行的，然后对于基本色中对应的HSV分量需要给定一个严格的范围，下面是通过实验计算的模糊范围（准确的范围在网上都没有给出）。

H: 0— 180

S: 0— 255

V: 0— 255

此处把部分红色归为紫色范围：

黑

灰

白

红

橙

黄

绿

青

蓝

紫

hmin

156

100

125

hmax

180

34；

124

155

smin

smax

255

vmin

221

vmax

220

255

[cpp]

#include "stdafx.h"

#include <opencv2/opencv.hpp>

#include <cv.h>

#include <highgui.h>

#include <vector>

using namespace cv;

void sortCorners(std::vector<cv::Point2f>& corners,cv::Point2f center)

{

std::vector<cv::Point2f> top,bot;

for (unsigned int i =0;i< corners.size();i++)

{

if (corners[i].y<center.y)

{

top.push_back(corners[i]);

}

else

{

bot.push_back(corners[i]);

}

cv::Point2f tl = top[0].x > top[1].x ? top[1] : top[0];

cv::Point2f tr = top[0].x > top[1].x ? top[0] : top[1];

cv::Point2f bl = bot[0].x > bot[1].x ? bot[1] : bot[0];

cv::Point2f br = bot[0].x > bot[1].x ? bot[0] : bot[1];

corners.clear();

//注意以下存放顺序是顺时针，当时这里出错了，如果想任意顺序下文开辟的四边形矩阵注意对应

corners.push_back(tl);

corners.push_back(tr);

corners.push_back(br);

corners.push_back(bl);

}

int main(int argc, char* argv[])

{

Mat src = imread("greenCircle.jpg");

Mat dsc(src.size(),CV_8U,Scalar(0));

namedWindow("src", 1);

imshow("src", src);

//分离出绿色

Mat hsv(src.size(),CV_8U,Scalar(0));

Mat tmpH1(src.size(),CV_8U,Scalar(0));

Mat tmpH4 (src.size(),CV_8U,Scalar(0));

Mat tmpH2(src.size(),CV_8U,Scalar(0));

Mat tmpH3(src.size(),CV_8U,Scalar(0));

blur(src,src,Size(3,3)); //高斯模糊

cvtColor(src, hsv, CV_BGR2HSV );//颜色转换

vector<Mat> mv;

split(hsv,mv);//分为3个通道

inRange(mv[0],Scalar(35,0.0,0,0),Scalar(77,0.0,0,0),tmpH1);

inRange(mv[1],Scalar(43.0,0.0,0,0),Scalar(255,0.0,0,0),tmpH2);

inRange(mv[2],Scalar(46,0.0,0,0),Scalar(255.0,0.0,0,0),tmpH3);

bitwise_and(tmpH3,tmpH2,tmpH2);

bitwise_and(tmpH1,tmpH2,tmpH1);

//blur(tmpH1,tmpH1,Size(3,3)); //高斯模糊

dsc = tmpH1.clone();

//处理dsc

blur(dsc,dsc,Size(3,3));

imshow("green", dsc);

vector<vector<Point>> contours;

vector<Point3f> circles;

findContours(dsc, contours,CV_RETR_EXTERNAL , CV_CHAIN_APPROX_NONE);

Mat OutlineImage(src.size(),CV_8U,Scalar(0));

// Eliminate too short or too long contours

int cmin = 50; // minimum contour length

int cmax = 9999;

vector<vector<Point>>::const_iterator itc= contours.begin();

while (itc!=contours.end()) {

if (itc->size() < cmin || itc->size() > cmax)

itc= contours.erase(itc);

else

++itc;

}

drawContours(OutlineImage, contours,

-1,//draw all contours

CV_RGB(0,255,255),//in black

1); //with a thickness of 2

//计算每条轮廓的中心（圆心）

vector<Point2f> corners;

if(contours.size() != 4){

std::cout<<"contours wrong!"<<std::endl;

return -1;

}

for(int i=0;i<contours.size();i++)

{

float sum_x = 0;

float sum_y = 0;

float length = contours[i].size();

for(int j=0;j<length;j++)

{

sum_x += contours[i][j].x;

sum_y += contours[i][j].y;

}

corners.push_back(Point2f(sum_x/length,sum_y/length));

}

Point2f center;

for(int i=0;i<corners.size();i++)

{

circle(src,Point2f(corners[i].x,corners[i].y),3,CV_RGB(255,0,0),2);

center += corners[i];

}

center *= (1./corners.size());

sortCorners(corners,center);

Mat quad = Mat::zeros(320,240,CV_8UC3);//校正后图片

//校正过的图片从320*240

//corners of the destination image

std::vector<Point2f> quad_pts;

quad_pts.push_back(Point2f(0,0));

quad_pts.push_back(Point2f(quad.cols,0));//(220,0)

quad_pts.push_back(Point2f(quad.cols,quad.rows));//(220,300)

quad_pts.push_back(Point2f(0,quad.rows));

// Get transformation matrix

Mat transmtx = getPerspectiveTransform(corners,quad_pts); //求源坐标系（已畸变的）与目标坐标系(转换后的)的转换矩阵

// Apply perspective transformation透视转换

warpPerspective(src,quad,transmtx,quad.size());

namedWindow("quadrilateral",1);

imshow("quadrilateral",quad);

waitKey(0);

return 0;

}

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。