基於Opencv的顏色識別
彩色模型
數字影象處理中常用的採用模型是RGB（紅，綠，藍）模型和HSV（色調，飽和度，亮度），RGB廣泛應用於彩色監視器和彩色視訊攝像機，我們平時的圖片一般都是RGB模型。而HSV模型更符合人描述和解釋顏色的方式，HSV的彩色描述對人來說是自然且非常直觀的。
HSV模型
HSV模型中顏色的引數分別是：色調（H：hue），飽和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年建立的一種顏色空間, 也稱六角錐體模型(Hexcone Model)。
(1)色調（H：hue）：用角度度量，取值範圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°。它們的補色是：黃色為60°，青色為180°,品紅為300°；
(2)飽和度（S：saturation）：取值範圍為0.0～1.0，值越大，顏色越飽和。
(3)亮度（V：value）：取值範圍為0(黑色)～255(白色）
RGB轉成HSV
設 (r, g, b) 分別是一個顏色的紅、綠和藍座標，它們的值是在 0 到 1 之間的實數。設 max 等價於 r, g 和 b 中的最大者。設 min 等於這些值中的最小者。要找到在 HSV 空間中的 (h, s, v) 值，這裡的 h ∈ [0, 360）是角度的色相角，而 s, v ∈ [0,1] 是飽和度和亮度，方法如下：
-
max=max(R,G,B)
-
min=min(R,G,B)
-
if R = max, H = (G-B)/(max-min)
-
if G = max, H = 2 + (B-R)/(max-min)
-
if B = max, H = 4 + (R-G)/(max-min)
-
H = H * 60
-
if H < 0, H = H + 360
- V=max(R,G,B)
- S=(max-min)/max
OpenCV下有個函式可以直接將RGB模型轉換為HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我們知道H分量基本能表示一個物體的顏色，但是S和V的取值也要在一定範圍內，因為S代表的是H所表示的那個顏色和白色的混合程度，也就說S越小，顏色越發白，也就是越淺；V代表的是H所表示的那個顏色和黑色的混合程度，也就說V越小，顏色越發黑。經過實驗，識別藍色的取值是 H在100到140，S和V都在90到255之間。一些基本的顏色H的取值可以如下設定：
Orange 0-22，Yellow 22- 38，Green 38-75，Blue 75-130，Violet 130-160，Red 160-179
具體實現
（1） 讀取一張圖片
cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);
（2）將彩色影象均衡化
split(imgHSV, hsvSplit);
equalizeHist(hsvSplit[2],hsvSplit[2]);
merge(hsvSplit,imgHSV);
（3）檢測顏色
inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);
(4)進行開操作和閉操作，去除噪聲的影響。
Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace cv;
using namespace std;
//入口主函式
int main(int argc, char** argv)
{
//開啟攝像頭，從攝像頭獲取影象
VideoCapture cap(0);
if (!cap.isOpened())
{
cout << "Cannot open the web cam"<<endl;
return -1;
}
//建立視窗
namedWindow("Control",CV_WINDOW_AUTOSIZE);
int iLowH = 100;
int iHighH = 140;
int iLowS = 90;
int iHighS = 255;
int iLowV = 90;
int iHighV = 255;
//建立進度條
cvCreateTrackbar("LowH","Control",&iLowH,179);
cvCreateTrackbar("HighH", "Control", &iHighH,179);
cvCreateTrackbar("LowS", "Control", &iLowS,255);
cvCreateTrackbar("Highs", "Control", &iHighS,255);
cvCreateTrackbar("LowV", "Control", &iLowV,255);
cvCreateTrackbar("HighV", "Control", &iHighV,255);
//while迴圈載入圖片
while (true)
{
Mat imgOriginal;
bool bSuccess = cap.read(imgOriginal);
if (!bSuccess)
{
cout << "Cannot read a frame from video stream" << endl;
break;
}
//
Mat imgHSV;
vector<Mat> hsvSplit;
cvtColor(imgOriginal,imgHSV,COLOR_BGR2HSV);
//轉化成直方圖均衡化
split(imgHSV,hsvSplit);
equalizeHist(hsvSplit[2],hsvSplit[2]);
merge(hsvSplit,imgHSV);
Mat imgThresholded;
//確定顏色顯示的範圍
inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,iHighV),imgThresholded);
//去除噪點
Mat element = getStructuringElement(MORPH_RECT,Size(5,5));
morphologyEx(imgThresholded,imgThresholded,MORPH_OPEN,element);
//連線連通域
morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
imshow("Thresholded Image",imgThresholded);
imshow("Original",imgOriginal);
//等待時間
char Key = (char)waitKey(300);
if (Key==27)
{
break;
}
}
return 0;
}