OpenCV图片颜色识别

        颜色识别实验，主要是通过掩膜对原图进行与运算来识别我们要找的颜色，因此我们需要了解如何寻找目标颜色，掩膜是什么以及与运算的概念。

一、寻找目标颜色

1.RGB颜色空间

1.1定义

        在图像处理中，最常见的就是RGB颜色空间。RGB颜色空间是我们接触最多的颜色空间，RGB代表红色（Red）、绿色（Green）和蓝色（Blue），这三种颜色通过不同强度的光的组合来创建其他颜色。

   RGB颜色模型基于笛卡尔坐标系， 黑色位于原点处，白色位于离原点最远的角上。因为黑色在RGB三通道中表现为（0，0，0），所以映射到这里就是原点；而白色是（255，255，255），所以映射到这里就是三个坐标为最大值的点。三原色红绿蓝分别为（255，0，0），（0，255，0），（0，0，255）位于三个角。

        注意：在OpenCV中，颜色是以BGR的方式进行存储的，而不是RGB，这也是上面红色的像素值是（0，0，255）而不是（255，0，0）的原因。

1.2颜色加法

简单的图像加法：两个图像应该具有相同的大小和类型。

1.2.1原理

opencv的加法cv2.add 与numpy的加法 + 是存在差异的：

opencv结果超过255，就取255

def add_color():
    img1 = np.array([[10,20,30],
                   [255,248,250]],dtype=np.uint8)
    img2 = np.array([[100,80,90],
                     [299,200,300]],dtype=np.uint8)
    img3 = cv2.add(img1,img2)
    print(img3) 

if __name__ == '__main__':
    add_color()
   

结果：

[[110 100 120]
 [255 255 255]]

numpy结果超过255，将结果与256取余

def add_color():
    img1 = np.array([[10,20,30],
                   [255,248,250]],dtype=np.uint8)
    img2 = np.array([[100,80,90],
                     [299,200,300]],dtype=np.uint8)
    # img3 = cv2.add(img1,img2)
    img3 = img1 + img2
    print(img3) 

if __name__ == '__main__':
    add_color()

结果：

 [[110 100 120]
 [ 42 192  38]]

1.2.2图像案例

import cv2
import numpy as np
img1 = cv2.imread('./src/pig.png')
img2 = cv2.imread('./src/cao.png')
img3 = cv2.add(img1,img2)
cv2.imshow('img3',img3)
cv2.waitKey(0)

结果：

OpenCV的cv2.add，结果超过256，会把结果强行改为256。

import cv2
import numpy as np
img1 = cv2.imread('./src/pig.png')
img2 = cv2.imread('./src/cao.png')
img3 = img1+img2
cv2.imshow('img3',img3)
cv2.waitKey(0)

结果：

 numpy加法，结果超过256，结果与256进行取余运算。

1.3颜色加权加法

需要自己设置图像权重，方法为cv2.addWeighted(img1,权重数，Img2,权重数，亮度数值)

import cv2
import numpy as np
img1 = cv2.imread('./src/pig.png')
img2 = cv2.imread('./src/cao.png')
img3 = cv2.addWeighted(img1,0.4,img2,0.6,2)
cv2.imshow('img3',img3)
cv2.waitKey(0)

结果：

2.HSV颜色空间

2.1定义

       HSV颜色空间指的是HSV颜色模型，这是一种与RGB颜色模型并列的颜色空间表示法。

       HSV颜色空间使用色调（Hue）、饱和度（Saturation）和亮度（Value）三个参数来表示颜色，色调H表示颜色的种类，如红色、绿色、蓝色等；饱和度表示颜色的纯度或强度，如红色越纯，饱和度就越高；亮度表示颜色的明暗程度，如黑色比白色亮度低。

2.2颜色划分

2.3识别目标颜色

2.3.1转换颜色空间：

import cv2
import numpy as np
img =cv2.imread('./photo/12.jpg')
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
cv2.imshow('img',img)
cv2.imshow('img_hsv',img_hsv)
cv2.waitKey(0)

结果：

2.3.2查找颜色

 比如：查找蓝色，仅仅保留蓝色部分

import cv2
import numpy as np
img =cv2.imread('./photo/12.jpg')
img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
color_low = np.array([100,43,46])
color_upper = np.array([124,255,255])
img_hsv = cv2.inRange(img_hsv,color_low,color_upper)
cv2.imshow('img',img)
cv2.imshow('img_hsv',img_hsv)
cv2.waitKey(0)

结果：

二、掩膜

1.定义

        掩膜通常是一个二值化图像，并且与原图像的大小相同，其中目标区域被设置为1（或白色），而其他区域被设置为0（或黑色），并且目标区域可以根据HSV的颜色范围进行修改。

      上一个hsv查找颜色部分，就相当于掩膜。

2.制作掩膜

（1）读图 cv2.imread(path)；

（2）转换颜色空间到hsv空间  cv2.cvtColor(img,cv2.COLOR_BGR2HSV)；

（3）设置color_low和color_upper，设置的这个numpy数组是你要查找的颜色的最低值和最高值；

（4）创作掩膜  cv2.inRange(img2,color_low,color_upper)；

（5）显示图像。

三、与运算

1.定义

      将两个图像中所有的对应像素值一一进行“与”运算，从而得到新的图像。

0 and (图像1像素&图像2对应像素)

x and y:结果只能是x 或者 y，不能是True或者False；

&：按位与，像素值要一一对齐，相同为1，不同为0。

2.抠图

制作的掩膜只有这个颜色的区域，但是也没有显示出它本身的颜色，为了让它显示出这个颜色，我们还需要进行与运算。

3.完整步骤：

（1）读图 cv2.imread(path)；

（2）转换颜色空间到hsv空间  cv2.cvtColor(img,cv2.COLOR_BGR2HSV)；

（3）设置color_low和color_upper，设置的这个numpy数组是你要查找的颜色的最低值和最高值；

（4）创作掩膜  cv2.inRange(img2,color_low,color_upper)；

（5）与运算  cv2.bitwise_and(img2,img2,mask=img_mask)

（6）显示图像。

import cv2
import numpy as np
#读图
img = cv2.imread('./photo/12.jpg')
#转换颜色空间
img_hsv =cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
#找到目标颜色的取值
lower = np.array([156,43,46])
upper = np.array([180,255,255])
#制作掩膜
img_mask = cv2.inRange(img_hsv,lower,upper)
#抠图
photo = cv2.bitwise_and(img,img,mask = img_mask)
#显示图像
cv2.imshow('img',img)
cv2.imshow('img_mask',img_mask)
cv2.imshow('photo',photo)
cv2.waitKey(0)

结果：