Wybieranie prawidłowych górnych i dolnych granic HSV do wykrywania kolorów za pomocą `cv :: inRange` (OpenCV)

Question

Mam obraz puszki po kawie z pomarańczową pozycją pokrywki, którą chcę znaleźć. Tutaj jest to .

Narzędzie gcolor2 pokazuje HSV w środku pokrywy (22, 59, 100). Pytanie brzmi, jak wybrać granice koloru, a następnie? I próbuje min = (18, 40, 90), i Max = (27, 255, 255), ale posiadają nieoczekiwane

Oto kod Pythonie

import cv 

in_image = 'kaffee.png' 
out_image = 'kaffee_out.png' 
out_image_thr = 'kaffee_thr.png' 

ORANGE_MIN = cv.Scalar(18, 40, 90) 
ORANGE_MAX = cv.Scalar(27, 255, 255) 
COLOR_MIN = ORANGE_MIN 
COLOR_MAX = ORANGE_MAX 

def test1(): 
    frame = cv.LoadImage(in_image) 
    frameHSV = cv.CreateImage(cv.GetSize(frame), 8, 3) 
    cv.CvtColor(frame, frameHSV, cv.CV_RGB2HSV) 
    frame_threshed = cv.CreateImage(cv.GetSize(frameHSV), 8, 1) 
    cv.InRangeS(frameHSV, COLOR_MIN, COLOR_MAX, frame_threshed) 
    cv.SaveImage(out_image_thr, frame_threshed) 

if __name__ == '__main__': 
    test1() 

Answer 1

Zadanie 1: Różne aplikacje używają różnych skal dla HSV. Na przykład gimp używa H = 0-360, S = 0-100 and V = 0-100. Ale OpenCV używa H: 0 - 180, S: 0 - 255, V: 0 - 255. Tutaj mam wartość odcień 22 w gimp. Więc wziąłem połowę tego, 11, i zdefiniowałem dla tego zakres. tj. (5,50,50) - (15,255,255).

Problem 2: A także, OpenCV używa formatu BGR, a nie RGB. Zmień kod, który konwertuje RGB na HSV w następujący sposób:

cv.CvtColor(frame, frameHSV, cv.CV_BGR2HSV) 

Teraz uruchom. Mam wyjście następująco:

nadzieję, że jest to, czego chciał. Jest kilka fałszywych detekcji, ale są one małe, więc możesz wybrać największy kontur, który jest twoją pokrywką.

EDIT:

Jak powiedział Karl Philip w swoim komentarzu, że byłoby dobrze, aby dodać nowy kod. Ale zmienia się tylko jedna linia. Chciałbym dodać ten sam kod zaimplementowany w nowym module cv2, aby użytkownicy mogli porównać łatwość i elastyczność nowego modułu cv2.

import cv2 
import numpy as np 

img = cv2.imread('sof.jpg') 

ORANGE_MIN = np.array([5, 50, 50],np.uint8) 
ORANGE_MAX = np.array([15, 255, 255],np.uint8) 

hsv_img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) 

frame_threshed = cv2.inRange(hsv_img, ORANGE_MIN, ORANGE_MAX) 
cv2.imwrite('output2.jpg', frame_threshed) 

Daje taki sam wynik jak powyżej. Ale kod jest znacznie prostszy.

Answer 2

Stworzyłem ten prosty program, aby uzyskać kody HSV w czasie rzeczywistym

import cv2 
import numpy as np 


cap = cv2.VideoCapture(0) 

def nothing(x): 
    pass 
# Creating a window for later use 
cv2.namedWindow('result') 

# Starting with 100's to prevent error while masking 
h,s,v = 100,100,100 

# Creating track bar 
cv2.createTrackbar('h', 'result',0,179,nothing) 
cv2.createTrackbar('s', 'result',0,255,nothing) 
cv2.createTrackbar('v', 'result',0,255,nothing) 

while(1): 

    _, frame = cap.read() 

    #converting to HSV 
    hsv = cv2.cvtColor(frame,cv2.COLOR_BGR2HSV) 

    # get info from track bar and appy to result 
    h = cv2.getTrackbarPos('h','result') 
    s = cv2.getTrackbarPos('s','result') 
    v = cv2.getTrackbarPos('v','result') 

    # Normal masking algorithm 
    lower_blue = np.array([h,s,v]) 
    upper_blue = np.array([180,255,255]) 

    mask = cv2.inRange(hsv,lower_blue, upper_blue) 

    result = cv2.bitwise_and(frame,frame,mask = mask) 

    cv2.imshow('result',result) 

    k = cv2.waitKey(5) & 0xFF 
    if k == 27: 
     break 

cap.release() 

cv2.destroyAllWindows() 

Answer 3

OpenCV zakres HSV jest: H: 0 do 179 S: 0 do 255 V: 0 do 255

On Gimp (lub inna operacja manipulowania zdjęciami) Zakres odcienia od 0 do 360, ponieważ opencv umieszcza informacje o kolorze w jednym bajcie, maksymalna wartość liczbowa w pojedynczym bajcie wynosi 255 dlatego wartości odcienia openCV są równoważne wartościom odcieni z gimp podzielonym przez 2.

Znalazłem podczas próby wykrywania obiektów na podstawie przestrzeni kolorów HSV, że zakres 5 (zakres opencv) był wystarczający do odfiltrowania określonego koloru. Radzę użyć kolorowego podniebienia HSV, aby znaleźć zakres, który najlepiej pasuje do twojej aplikacji.

Answer 4

Ok, znaleźć kolor w HSV przestrzeni jest stary, ale częste pytanie.Zrobiłem hsv-colormap, aby szybko wyszukać specjalny kolor. Tutaj jest on:

Oś x oznacza Hue w [0,180), Y oznacza Saturation oś1 w [0,255], y-oś2 oznacza S = 255, a zachować V = 255.

Aby znaleźć kolor, należy po prostu sprawdzić zakres H i S i ustawić wartość v w zakresie (20, 255).

Aby znaleźć kolor pomarańczowy, wyszukujemy mapę i znajdujemy najlepszy zakres: H :[10, 25], S: [100, 255], and V: [20, 255]. Więc maska ​​jest cv2.inRange(hsv,(10, 100, 20), (25, 255, 255))

Następnie używamy znaleziony zakres szukać pomarańczowy kolor, jest to wynik:

---

Metoda jest prosta, ale powszechne w użyciu:

#!/usr/bin/python3 
# 2018.01.21 20:46:41 CST 
import cv2 

img = cv2.imread("test.jpg") 
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) 
mask = cv2.inRange(hsv,(10, 100, 20), (25, 255, 255)) 
cv2.imshow("orange", mask);cv2.waitKey();cv2.destroyAllWindows() 

podobne odpowiedzi:

1. How to define a threshold value to detect only green colour objects in an image :Opencv

2. Choosing correct HSV values for OpenCV thresholding with InRangeS