​

0.序言

之前的博客里我们介绍了opencv在图像上的基本操作，下面我们来进行稍微深入一点的介绍，从这里开始我们可以发现opencv库能给我们带来的更多更有趣的功能。从现在开始，我们将逐步深入了解opencv库中对图像处理的一些高级方式。

• 在这篇博客中，我们将学习如何将图像在色彩空间之间的转换，例如BGR转换成灰色，BGR转换成HSV等
• 此外，我们还将创建一个应用程序，以提取视频中的彩色对象
• 我们还将学习以下功能：cv.cvtColor，**cv.inRange**等

1.改变颜色空间

OpenCV中有超过150种颜色空间转换的方法。但是我们只有两个最广泛使用的，BGR↔灰色和BGR↔HSV。
对于颜色转换，我们使用cv函数。

cvtColor(input_image, flag)

其中flag决定转换的类型。
例如对于BGR→灰度转换，我们让flag标记为cv.COLOR_BGR2GRAY。类似地，对于BGR→HSV，我们让flag标记为cv.COLOR_BGR2HSV。要获取其他标记，只需在Python终端中运行以下命令:

>>> import cv2 as cv
>>> flags = [i for i in dir(cv) if i.startswith('COLOR_')]
>>> print( flags )

需要注意的一点，HSV的色相范围为[0,179]，饱和度范围为[0,255]，值范围为[0,255]。且不同的软件里使用不同的规模，这点细节需要注意。

2.对象追踪

因为在HSV空间中比在BGR颜色空间中更容易表示颜色。现在我们知道了如何将BGR图像转换成HSV，通过这种方式，我们可以就可以提取视频或图片中一个某个有颜色的对象。

例如下面的应用程序所示，我们将尝试提取一个蓝色的对象。方法如下:

1. 取视频的每一帧 。
2. 转换从BGR到HSV颜色空间 。
3. 对HSV图像设置蓝色范围的阈值。
4. 单独提取蓝色对象。

代码如下所示import cv2 as cv

import numpy as np
cap = cv.VideoCapture(0)
while(1):
    # 读取帧
    _, frame = cap.read()
    # 转换颜色空间 BGR 到 HSV
    hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)
    # 定义HSV中蓝色的范围
    lower_blue = np.array([110,50,50])
    upper_blue = np.array([130,255,255])
    # 设置HSV的阈值使得只取蓝色
    mask = cv.inRange(hsv, lower_blue, upper_blue)
    # 将掩膜和图像逐像素相加
    res = cv.bitwise_and(frame,frame, mask= mask)
    cv.imshow('frame',frame)
    cv.imshow('mask',mask)
    cv.imshow('res',res)
    k = cv.waitKey(5) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

　　

效果就如图所示：

​

注意：图像中有一些噪点。我们将在后面的章节中看到如何删除它们。 这是对象跟踪中最简单的方法。一旦学习了轮廓的功能，我们就可以做很多事情，例如找到该对象的质心并使用它来跟踪对象等，这也是opencv库的强大之处。

​

标签：入门,frame,彩色,mask,opencv,BGR,HSV,cv
来源： https://www.cnblogs.com/huangs16/p/15214129.html