在OpenCV + Python中使用色彩空间进行图像分割
什么是色彩空间/h5>
在最常见的颜色空间RGB（红色绿色蓝色）中，颜色以红色，绿色和蓝色分量表示。用更专业的术语来说，RGB将颜色描述为三个组成部分的元组。每个分量可以取0到255之间的值，其中元组(0, 0, 0)代表黑色，(255, 255, 255)代表白色。
RGB被认为是三原色“加法”颜色空间，可以想象颜色是由大量红色，蓝色和绿色的光照射到黑色背景上产生的。
| 颜色 | RGB值 |
|---|---|
| 红色 | 255，0，0 |
| 橙色 | 255，128，0 |
| 粉色 | 25，153，255 |
RGB是五个主要色彩空间模型之一，每个模型都有许多分支。颜色空间太多，因为不同的颜色空间可用于不同的目的。
在印刷领域，CMYK很有用，因为它描述了从白色背景产生颜色所需的颜色组合。RGB中的0元组是黑色，而CMYK中的0元组是白色。我们的打印机包含青色，品红色，黄色和黑色的墨水罐。
HSV和HSL是色相，饱和度和亮度/亮度的描述，对识别图像的对比度特别有用。这些色彩空间常用于软件的选色工具和 页设计中。
实际上，颜色是一种连续现象，意味着存在无限数量的颜色。但是，色彩空间通过离散结构（固定数量的整数整数值）表示颜色，这是可以接受的，因为人眼和感知也受到限制。颜色空间完全能够代表我们能够区分的所有颜色。
OpenCV中的色彩空间和读取图像
导入OpenCV之后，您可以查看OpenCV提供的所有色彩空间转换，并将它们全部保存到变量中：
您将需要matplotlib.pyplot查看图像，并需要NumPy进行一些图像处理。如果您还没有Matplotlib或NumPy的安装，您将需要pip3 install matplotlib和pip3 install numpy进行安装：
结果：
结果：
利用同样的方法选出白色的阈值
利用彩色图像进行图像分割
一旦获得合适的色彩范围，您就可以cv2.inRange()尝试设定Nemo阈值。inRange()接受三个参数：图像，较低范围和较高范围。它返回ndarray图像大小的二进制mask（1和0），其中的值1表示范围内的值，0值表示范围外的值。
import cv2import matplotlib.pyplot as pltimport numpy as npimg = cv2.imread('nemo.jpg')img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)hsv_img = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)light_orange = (1,190,200)dark_orange = (18,255,255)light_white = (0,0,200)dark_white = (145,60,255)ora
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！