Вибір правильної верхньої та нижньої меж HSV для виявлення кольорів за допомогою `cv :: inRange` (OpenCV)

У мене є зображення кавової банки з помаранчевою кришкою, яку я хочу знайти. Ось воно .

Утиліта gcolor2 показує ВПГ у центрі кришки (22, 59, 100). Питання в тому, як тоді вибрати межі кольору? Я спробував min = (18, 40, 90) та max = (27, 255, 255), але отримав несподіване

Ось код Python:

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()

Проблема 1: Різні програми використовують різні шкали для ВПГ. Наприклад, використання gimp H = 0-360, S = 0-100 and V = 0-100. Але OpenCV використовує H: 0-179, S: 0-255, V: 0-255. Тут я отримав значення відтінку 22 у gimp. Тому я взяв половину з них, 11, і визначив діапазон для цього. тобто (5,50,50) - (15,255,255).

Проблема 2: Крім того, OpenCV використовує формат BGR, а не RGB. Тож змініть свій код, який перетворює RGB ​​на HSV наступним чином:

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

Тепер запустіть його. Я отримав результат наступним чином:

Сподіваюся, це те, що ви хотіли. Є кілька помилкових виявлень, але вони невеликі, тому ви можете вибрати найбільший контур, який є вашою кришкою.

РЕДАГУВАТИ:

Як сказав Карл Філіп у своєму коментарі, було б добре додати новий код. Але відбувається зміна лише одного рядка. Отже, я хотів би додати той самий код, реалізований у новому cv2модулі, щоб користувачі могли порівняти простоту та гнучкість нового cv2модуля.

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)

Це дає той самий результат, що і вище. Але код набагато простіший.

Гаразд, знайти колір у HSVпросторі - це давнє, але поширене питання. Я зробив hsv-colormapдля швидкого пошуку спеціальний колір. Ось:

Вісь x представляє Hueв [0,180), вісь y1 представляє Saturationв [0,255], вісь y2 представляє S = 255, зберігаючи V = 255.

Щоб знайти колір, зазвичай просто шукайте діапазон Hі Sта встановлюйте v в діапазоні (20, 255).

Для того, щоб знайти помаранчевий колір, ми дивимося на карту, і знайти кращий вибір: H :[10, 25], S: [100, 255], and V: [20, 255]. Отже, маска єcv2.inRange(hsv,(10, 100, 20), (25, 255, 255) )

Потім ми використовуємо знайдений діапазон для пошуку помаранчевого кольору, це результат:

Метод простий, але загальноприйнятий:

#!/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()

Подібні відповіді:

1. Як визначити порогове значення для виявлення лише об’єктів зеленого кольору на зображенні: Opencv

2. Вибір правильних значень HSV для порогового значення OpenCV за допомогою InRangeS

Я створив цю просту програму для отримання кодів HSV у режимі реального часу

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()

Ось простий скрипт кольорового порогу HSV для визначення нижнього / верхнього діапазону кольорів за допомогою панелей треків для будь-якого зображення на диску. Просто змініть шлях до зображення вcv2.imread()

import cv2
import numpy as np

def nothing(x):
    pass

# Load image
image = cv2.imread('1.jpg')

# Create a window
cv2.namedWindow('image')

# Create trackbars for color change
# Hue is from 0-179 for Opencv
cv2.createTrackbar('HMin', 'image', 0, 179, nothing)
cv2.createTrackbar('SMin', 'image', 0, 255, nothing)
cv2.createTrackbar('VMin', 'image', 0, 255, nothing)
cv2.createTrackbar('HMax', 'image', 0, 179, nothing)
cv2.createTrackbar('SMax', 'image', 0, 255, nothing)
cv2.createTrackbar('VMax', 'image', 0, 255, nothing)

# Set default value for Max HSV trackbars
cv2.setTrackbarPos('HMax', 'image', 179)
cv2.setTrackbarPos('SMax', 'image', 255)
cv2.setTrackbarPos('VMax', 'image', 255)

# Initialize HSV min/max values
hMin = sMin = vMin = hMax = sMax = vMax = 0
phMin = psMin = pvMin = phMax = psMax = pvMax = 0

while(1):
    # Get current positions of all trackbars
    hMin = cv2.getTrackbarPos('HMin', 'image')
    sMin = cv2.getTrackbarPos('SMin', 'image')
    vMin = cv2.getTrackbarPos('VMin', 'image')
    hMax = cv2.getTrackbarPos('HMax', 'image')
    sMax = cv2.getTrackbarPos('SMax', 'image')
    vMax = cv2.getTrackbarPos('VMax', 'image')

    # Set minimum and maximum HSV values to display
    lower = np.array([hMin, sMin, vMin])
    upper = np.array([hMax, sMax, vMax])

    # Convert to HSV format and color threshold
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, lower, upper)
    result = cv2.bitwise_and(image, image, mask=mask)

    # Print if there is a change in HSV value
    if((phMin != hMin) | (psMin != sMin) | (pvMin != vMin) | (phMax != hMax) | (psMax != sMax) | (pvMax != vMax) ):
        print("(hMin = %d , sMin = %d, vMin = %d), (hMax = %d , sMax = %d, vMax = %d)" % (hMin , sMin , vMin, hMax, sMax , vMax))
        phMin = hMin
        psMin = sMin
        pvMin = vMin
        phMax = hMax
        psMax = sMax
        pvMax = vMax

    # Display result image
    cv2.imshow('image', result)
    if cv2.waitKey(10) & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

Діапазон ВПЛ OpenCV становить: В: від 0 до 179 S: від 0 до 255 В: від 0 до 255

На Gimp (або іншій фотоманіпуляції sw) відтінок варіюється від 0 до 360, оскільки opencv розміщує інформацію про колір в одному байті, максимальне значення числа в одному байті становить 255, тому значення відтінку openCV еквівалентні значенням відтінку з gimp, поділеному на 2 .

Під час спроби виявлення об’єктів на основі кольорового простору HSV я виявив, що діапазону 5 (діапазон opencv) було достатньо для фільтрації певного кольору. Я порадив би вам використовувати кольорове піднебіння HSV, щоб визначити асортимент, який найкраще підходить для вашої програми.

Щоб знайти значення HSV зеленого, спробуйте виконати наступні команди в терміналі Python

green = np.uint8([[[0,255,0 ]]])
hsv_green = cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
print hsv_green
[[[ 60 255 255]]]