From sztu 自动化专业的小菜鸡。
本篇将介绍计算机视觉的HSV颜色选择器，基于python的opencv。
众所周知，每个物体的HSV值都是不同的，并且每个色系所在的HSV的颜色范围也都不同，那么，我们要用其来检测物体就需要一个精确的值来检测，不然将会出现检测不准确的现象。
1.代码展示import numpy as np
import cv2
cap = cv2.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)
cap.set(10,100)#右往高亮，往低暗
def empty(a):
pass
def stackImages(scale,imgArray):
rows = len(imgArray)
cols = len(imgArray[0])
rowsAvailable = isinstance(imgArray[0], list)
width = imgArray[0][0].shape[1]
height = imgArray[0][0].shape[0]
if rowsAvailable:
for x in range ( 0, rows):
for y in range(0, cols):
if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:
imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
else:
imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
imageBlank = np.zeros((height, width, 3), np.uint8)
hor = [imageBlank]*rows
hor_con = [imageBlank]*rows
for x in range(0, rows):
hor[x] = np.hstack(imgArray[x])
ver = np.vstack(hor)
else:
for x in range(0, rows):
if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
else:
imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
hor= np.hstack(imgArray)
ver = hor
return ver
while True:
success,img = cap.read()
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars", 640, 240)
cv2.createTrackbar("Hue Min", "TrackBars", 78, 125, empty) # 跟踪杆
cv2.createTrackbar("Hue Max", "TrackBars", 99, 180, empty) # 跟踪杆
cv2.createTrackbar("Sat Min", "TrackBars", 42, 44, empty) # 跟踪杆
cv2.createTrackbar("Sat Max", "TrackBars", 250, 255, empty) # 跟踪杆
cv2.createTrackbar("Val Min", "TrackBars", 43, 50, empty) # 跟踪杆
cv2.createTrackbar("Val Max", "TrackBars", 255, 255, empty) # 跟踪杆
while True:
success,img = cap.read()
imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 将BGR转换为HSV
h_min = cv2.getTrackbarPos("Hue Min", "TrackBars") # 设定杆
h_max = cv2.getTrackbarPos("Hue Max", "TrackBars") # 设定杆
s_min = cv2.getTrackbarPos("Sat Min", "TrackBars") # 设定杆
s_max = cv2.getTrackbarPos("Sat Max", "TrackBars") # 设定杆
v_min = cv2.getTrackbarPos("Val Min", "TrackBars") # 设定杆
v_max = cv2.getTrackbarPos("Val Max", "TrackBars") # 设定杆
lower = np.array([h_min, s_min, v_min]) # 确定最小
upper = np.array([h_max, s_max, v_max]) # 确定最大
mask = cv2.inRange(imgHSV, lower, upper) # 蒙盖
imgResult = cv2.bitwise_and(img, img, mask=mask) # 结果
imgStack = stackImages(0.6, ([img, imgHSV], [mask, imgResult])) # 拼接
cv2.imshow("STACK", imgStack)
cv2.waitKey(1)
if cv2.waitKey(1)&0xFF==ord('q'):
break
这儿用到了opencv与numpy这两个库，大家在用的时候呢，可以先根据自己想要检测的物体的颜色的HSV的范围来设定跟踪杆对应的值，就是设定h_min,h_max,s_min,s_max,v_min,v_max对应的值，设定了对应的值之后就可以运行试试自己想要检测的物体，这样拖动其设定杆就能知道对应的HSV值啦。
运行结果：
比如这个，我们就得到了纯白色的具体的HSV的值是多少，也可以看到，我们把灯的白色识别出来，其余部分均未识别，这也达到了我们颜色选择的目的。
2.总结本篇博客建议收藏，当您需要用到HSV颜色识别时，可以用这个来挑选自个想要检测的物体的HSV值。
