使用 OpenCV 的 inRange 函数进行颜色分割

ops/2024/9/24 11:22:38/

使用 OpenCV 的 inRange 函数进行颜色分割

在图像处理领域,颜色分割是一个常见的任务,常用于识别和提取图像中的特定颜色区域。OpenCV 提供了一个非常方便的函数 inRange 来实现这一功能。在这篇博客中,我们将详细介绍 inRange 函数的用法,并通过示例代码演示如何使用它来分割图像中的颜色。

inRange 函数介绍

inRange 是 OpenCV 库中的一个函数,用于检查图像像素值是否在指定的范围内,并生成一个二值图像。这个函数常用于颜色分割和阈值处理。

函数原型
void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);
参数说明
  • src: 输入图像。这个图像可以是单通道(灰度图像)或多通道(彩色图像)。函数将对该图像进行处理。
  • lowerb: 低阈值或下界。与 src 图像具有相同的类型和通道数,用于指定每个通道的下限值。
  • upperb: 高阈值或上界。与 src 图像具有相同的类型和通道数,用于指定每个通道的上限值。
  • dst: 输出图像。这个图像是一个单通道的二值图像,尺寸和 src 相同。像素值为 255(满足条件)或 0(不满足条件)。
函数描述

inRange 函数通过检查 src 图像的每个像素值是否在 lowerbupperb 范围内,如果在范围内,则将对应位置的像素值设置为 255,否则设置为 0。结果保存在 dst 图像中。

示例代码

假设你有一个彩色图像 src,你想找到图像中绿色的部分,可以使用以下代码:

#include <opencv2/opencv.hpp>int main() {// 读取输入图像cv::Mat src = cv::imread("path_to_image.jpg");if (src.empty()) {std::cout << "Could not open or find the image" << std::endl;return -1;}// 将图像从 BGR 颜色空间转换为 HSV 颜色空间cv::Mat src_hsv;cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);// 定义绿色的HSV范围cv::Scalar lowerb(35, 100, 100); // 绿色的下界(H, S, V)cv::Scalar upperb(85, 255, 255); // 绿色的上界(H, S, V)// 应用inRange函数cv::Mat mask;cv::inRange(src_hsv, lowerb, upperb, mask);// 显示结果cv::imshow("Original Image", src);cv::imshow("Mask", mask);cv::waitKey(0);return 0;
}
示例代码解析
  1. 读取输入图像

    cv::Mat src = cv::imread("path_to_image.jpg");
    

    首先,我们使用 cv::imread 函数读取图像,并检查图像是否成功读取。

  2. 转换颜色空间

    cv::Mat src_hsv;
    cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);
    

    由于颜色分割通常在 HSV 颜色空间中效果更好,我们将图像从 BGR 颜色空间转换为 HSV 颜色空间。

  3. 定义颜色范围

    cv::Scalar lowerb(35, 100, 100); // 绿色的下界(H, S, V)
    cv::Scalar upperb(85, 255, 255); // 绿色的上界(H, S, V)
    

    我们定义绿色的 HSV 范围,通过调整这两个值,可以检测不同的颜色。

  4. 应用 inRange 函数

    cv::Mat mask;
    cv::inRange(src_hsv, lowerb, upperb, mask);
    

    使用 inRange 函数,我们生成一个二值图像 mask,其中绿色部分的像素值为 255,其他部分为 0。

  5. 显示结果

    cv::imshow("Original Image", src);
    cv::imshow("Mask", mask);
    

    最后,我们使用 cv::imshow 函数显示原始图像和结果二值图像。

注意事项
  • 输入图像 src 和下界 lowerb 以及上界 upperb 必须具有相同的通道数。如果 src 是三通道的彩色图像,那么 lowerbupperb 也应该是三通道的。
  • dst 是一个单通道的二值图像,只有两种可能的像素值:0 和 255。
用法场景
  • 颜色分割:可以根据颜色范围分割图像中的特定颜色区域。
  • 阈值处理:将图像中的像素值在某个范围内的部分提取出来。
  • 物体检测:检测图像中具有特定颜色的物体。

通过 inRange 函数,我们可以方便地进行颜色分割,提取图像中的特定颜色区域,从而为后续的图像处理和分析打下基础。希望这篇博客对你理解和使用 inRange 函数有所帮助。


http://www.ppmy.cn/ops/56795.html

相关文章

使用Spring Boot实现分布式配置管理

使用Spring Boot实现分布式配置管理 大家好&#xff0c;我是微赚淘客系统3.0的小编&#xff0c;是个冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01; 1. 什么是分布式配置管理&#xff1f; 在分布式系统中&#xff0c;配置管理是一项重要的任务。它涉及到管理和集…

Docker:基础概念、架构与网络模式详解

1.Docker的基本概念 1.1.什么是docker Docker是一个用于开发,交付和运行应用程序的开放平台.docker使您能够将应用程序域基础框架分开,以便你可以快速开发交付软件.使用docker,你可以管理你的基础架构以管理应用程序相同的方式.通过利用docker用于交付,测试和部署代码的方法,你…

C++进阶:继承和多态

文章目录 ❤️继承&#x1fa77;继承与友元&#x1f9e1;继承和静态成员&#x1f49b;菱形继承及菱形虚拟继承&#x1f49a;继承和组合 ❤️多态&#x1fa77;什么是多态&#xff1f;&#x1f9e1;多态的定义以及实现&#x1f49b;虚函数&#x1f49a;虚函数的重写&#x1f499…

paddla模型转gguf

在使用ollama配置本地模型时&#xff0c;只支持gguf格式的模型&#xff0c;所以我们首先需要把自己的模型转化为bin格式&#xff0c;本文为paddle&#xff0c;onnx&#xff0c;pytorch格式的模型提供说明&#xff0c;safetensors格式比较简单请参考官方文档&#xff0c;或其它教…

矩阵分析与应用1-矩阵代数基础

矩阵分析与应用1-矩阵代数基础 1 矩阵的基本运算2 矩阵的初等变换3 向量空间、线性映射与Hilbert空间3.1 集合的基本概念3.2 向量空间3.3 线性映射3.4 内积空间、赋范空间与Hilbert空间3.4.1 内积与内积向量空间的定义3.4.2 范数与赋范向量空间的定义 4 内积与范数5 随机向量6 …

请使用C语言编写一个简单的MFC应用程序,实现一个窗口并在其中添加一些控件。

以下是一个简单的使用C编写的MFC应用程序示例&#xff0c;可以在其中添加一些控件。请使用Visual Studio等C开发工具打开并编译运行。 #include <afxwin.h>class CMyApp : public CWinApp { public:virtual BOOL InitInstance(); };class CMainWindow : public CFrameWn…

嵌入式要卷成下一个Java了吗?

嵌入式系统与Java的关系在技术发展和市场需求的影响下在逐步演变&#xff0c;但尚未达到完全替代的阶段。我收集归类了一份嵌入式学习包&#xff0c;对于新手而言简直不要太棒&#xff0c;里面包括了新手各个时期的学习方向编程教学、问题视频讲解、毕设800套和语言类教学&…

【大模型LLM面试合集】大语言模型基础_NLP面试题

NLP面试题 1.BERT 1.1 基础知识 BERT&#xff08;Bidirectional Encoder Representations from Transformers&#xff09;是谷歌提出&#xff0c;作为一个Word2Vec的替代者&#xff0c;其在NLP领域的11个方向大幅刷新了精度&#xff0c;可以说是近年来自残差网络最优突破性的…