Python?OpenCV基于HSV的顏色分割如何實現

Python OpenCV基于HSV的顏色分割如何實現

在計算機視覺領域，顏色分割是一項重要的任務，它可以幫助我們從圖像中提取出特定顏色的區域。HSV（Hue, Saturation, Value）顏色空間是一種常用的顏色表示方法，相比于RGB顏色空間，HSV更適合用于顏色分割任務。本文將介紹如何使用Python和OpenCV庫基于HSV顏色空間實現顏色分割。

1. HSV顏色空間簡介

HSV顏色空間由三個分量組成：

• H（Hue）：色調，表示顏色的類型，取值范圍為0到180（在OpenCV中）。
• S（Saturation）：飽和度，表示顏色的純度，取值范圍為0到255。
• V（Value）：亮度，表示顏色的亮度，取值范圍為0到255。

HSV顏色空間的優勢在于它能夠將顏色信息與亮度信息分離，使得顏色分割更加直觀和簡單。

2. 安裝OpenCV庫

在開始之前，確保你已經安裝了OpenCV庫。如果沒有安裝，可以使用以下命令進行安裝：

pip install opencv-python

3. 實現步驟

3.1 讀取圖像

首先，我們需要讀取一張圖像并將其轉換為HSV顏色空間。

import cv2
import numpy as np

# 讀取圖像
image = cv2.imread('image.jpg')

# 將圖像從BGR顏色空間轉換為HSV顏色空間
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

3.2 定義顏色范圍

接下來，我們需要定義要分割的顏色范圍。例如，如果我們想要分割圖像中的綠色區域，可以定義如下的HSV范圍：

# 定義綠色的HSV范圍
lower_green = np.array([35, 50, 50])
upper_green = np.array([85, 255, 255])

3.3 創建掩碼

使用cv2.inRange()函數創建一個掩碼，該掩碼將圖像中位于指定HSV范圍內的像素設置為白色（255），其余像素設置為黑色（0）。

# 創建掩碼
mask = cv2.inRange(hsv_image, lower_green, upper_green)

3.4 應用掩碼

將掩碼應用于原始圖像，以提取出目標顏色的區域。

# 應用掩碼
result = cv2.bitwise_and(image, image, mask=mask)

3.5 顯示結果

最后，我們可以顯示原始圖像、掩碼和分割結果。

# 顯示原始圖像、掩碼和分割結果
cv2.imshow('Original Image', image)
cv2.imshow('Mask', mask)
cv2.imshow('Result', result)

# 等待按鍵按下
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 完整代碼

以下是完整的代碼示例：

import cv2
import numpy as np

# 讀取圖像
image = cv2.imread('image.jpg')

# 將圖像從BGR顏色空間轉換為HSV顏色空間
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定義綠色的HSV范圍
lower_green = np.array([35, 50, 50])
upper_green = np.array([85, 255, 255])

# 創建掩碼
mask = cv2.inRange(hsv_image, lower_green, upper_green)

# 應用掩碼
result = cv2.bitwise_and(image, image, mask=mask)

# 顯示原始圖像、掩碼和分割結果
cv2.imshow('Original Image', image)
cv2.imshow('Mask', mask)
cv2.imshow('Result', result)

# 等待按鍵按下
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 總結

通過使用Python和OpenCV庫，我們可以輕松地基于HSV顏色空間實現顏色分割。這種方法在圖像處理、目標檢測和計算機視覺任務中非常有用。通過調整HSV范圍，我們可以分割出圖像中的不同顏色區域，從而實現更復雜的圖像處理任務。