光照下的图片的提取（以光照下的彩色气球为例）

之前我们已经知道怎么检测蓝幕背景了，但是这种检测方法是有前提的，就是场景光线要好，而且蓝幕的颜色要十分连贯，如果光线发生变化，有阴影或者光线太亮，怎办呢？
显然这个时候简单的颜色阈值已经不能适用了，那就转换一种颜色表示方式，其实表示图像颜色的方法还有很多，不仅是我们经常用的红绿蓝这样的颜色空间，还有一种颜色空间是 HSV 三个字母分别代表色相、饱和度和明度，而 HLS 则是指色相、亮度和饱和度模型。这几个就是图像处理中最常用的几种颜色空间了。
接下来，我们就来用HSV颜色空间来进行图像处理，我们要把每个像素的明度，即 V分量分离出来，这个分量受照明条件的影响最大，而 H 通道则基本不受阴影或过高亮度的影响，如果我们依靠这个通道舍弃 V 通道的信息，那就能对彩色物体进行检测而且效果会比在 RGB 颜色空间中更为可靠。
接下来，我们拿一张气球的图片，来做实验，目标是分离出来粉色的气球，代码如下：

## Import resources and display image
import numpy as np
import matplotlib.pyplot as plt
import cv2

%matplotlib inline

# Read in the image
image = cv2.imread('Pictures/water_balloons.jpg')

# Make a copy of the image
image_copy = np.copy(image)     #备份图片

# Change color to RGB (from BGR)
image = cv2.cvtColor(image_copy, cv2.COLOR_BGR2RGB)  #转换为RGB

plt.imshow(image)

# RGB channels
r = image[:,:,0]     #隔离出R通道
g = image[:,:,1]     #隔离出G通道
b = image[:,:,2]     #隔离出B通道

f, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(20,10))  #分别显示出来

ax1.set_title('Red')                                       #标题
ax1.imshow(r, cmap='gray')                                 #灰色图像

ax2.set_title('Green')
ax2.imshow(g, cmap='gray')

ax3.set_title('Blue')
ax3.imshow(b, cmap='gray')

# Convert from RGB to HSV  将RGB转换为HSV
hsv = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)

# HSV channels  
h = hsv[:,:,0]   #h通道
s = hsv[:,:,1]   #s通道
v = hsv[:,:,2]   #v通道

f, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(20,10))

ax1.set_title('Hue')
ax1.imshow(h, cmap='gray')

ax2.set_title('Saturation')
ax2.imshow(s, cmap='gray')

ax3.set_title('Value')
ax3.imshow(v, cmap='gray')

## Define pink and hue selection thresholds

# Define our color selection criteria in HSV values 
lower_hue = np.array([160,0,0]) 
upper_hue = np.array([180,255,255])

# Define our color selection criteria in RGB values
lower_pink = np.array([180,0,100]) 
upper_pink = np.array([255,255,230])

## Mask the image
# Define the masked area in RGB space
mask_rgb = cv2.inRange(image, lower_pink, upper_pink)

# mask the image
masked_image = np.copy(image)
masked_image[mask_rgb==0] = [0,0,0]

# Vizualize the mask
plt.imshow(masked_image)

# Now try HSV!

# Define the masked area in HSV space
mask_hsv = cv2.inRange(hsv, lower_hue, upper_hue)

# mask the image
masked_image = np.copy(image)
masked_image[mask_hsv==0] = [0,0,0]

# Vizualize the mask
plt.imshow(masked_image)

效果图

在这里插入图片描述

是不是很明显的把只要是粉色的部分都提取出来了，其中还有一些小点，可以通过修改阈值来进行调整~

光照下的图片的提取（以光照下的彩色气球为例）

效果图

猜你喜欢