209. HSV 颜色空间的彩色图像分割

11. 彩色图像索引

一、HSV 颜色空间的彩色图像分割

• HSV 模型是针对用户观感的一种颜色模型。
  HSV 颜色空间的各通道分别表示色调（Hue）、饱和度（Saturation）和明度（Value），可以直观地表达色彩的明暗、色调及鲜艳程度。

• HSV 颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处 V=0，H 和 S 无定义，代表黑色；圆锥的顶面中心处V=max，S=0，H 无定义，代表白色。
  当 S=1, V=1 时，H 所代表的任何颜色被称为纯色；当 S=0 时，饱和度为 0，颜色最浅，最浅被描述为灰色，灰色的亮度由 V 决定，此时 H 无意义；当 V=0 时，颜色最暗，最暗被描述为黑色，此时 H 和 S 均无意义，无论如何取值均为黑色。

  
  

• 色调是色彩的基本属性，表示不同的颜色 ，可以用于描述和识别某种颜色。例如，绿色在 HSV 空间中的范围是 H=35～77，而在 RGB 空间很难用表达式描述。因此常用 HSV 色彩空间进行某种颜色的识别和不同颜色的对比。

• HSV 模型在对指定颜色分割时非常有效。用 H 和 S 分量表示颜色距离，颜色距离指代表两种颜色之间的数值差异。对于不同的彩色区域，混合 H 与 S 变量，划定阈值，就可以进行简单的分割。

二、函数

• 函数 inRange () 可以实现按颜色区域 [lowerb，upperb] 对图像进行二值分割

cv.inRange(src, lowerb, upperb[, dst]) → dst

• 函数 inRange() 检查数组元素是否在设定区间内，通常用于在 HSV 空间检查设定的颜色区域范围。如果图像的某个像素值在 [lowerb，upperb] 之间，则输出像素值置 255，否则置 0。

参数说明：

• src：输入图像，nparray 数组，允许单通道或多通道图像
• lowerb：下边界阈值，标量（src为单通道）或数组（src为多通道）
• upperb：上边界阈值，标量（src为单通道）或数组（src为多通道）
• dst：输出图像，单通道的二值图像，大小与 src 相同，深度为 CV_8U

注意事项：

• 输入图像可以是单通道的灰度图像，也可以是多通道的彩色图像。
• 不论输入图像是单通道还是多通道图像，输出图像都是单通道二值图像，相当于输入图像的黑白遮罩 mask。
• 输入图像是单通道的灰度图像时，lower、upper 为标量；输入图像是多通道的彩色图像时，lower, upper 为数组，数组长度与通道数相同，分别表示各通道的边界阈值。
• 输入图像为多通道时，仅当像素各通道的值都在 [lowerb(i)，upperb(i)] 之间时输出才为 255：

颜色阈值：

• 色调表示不同的颜色 ，各种颜色具有特定的色调值。
  OpenCV 中 HSV 颜色空间的范围是：H [0,180]，S [0,255]，V [0,255]。

• 常用颜色的色调值范围，也即边界阈值，如下表所示。

  
  

三、例程

• 14.17：HSI 颜色空间图像分割

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 14.17 HSI 颜色空间图像分割
# 在HSV空间对绿屏色彩区域进行阈值处理，生成遮罩进行抠图
img = cv2.imread(r"E:/OpenCV/GreenJone.png", flags=1)  # 读取彩色图像
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 将图片转换到 HSV 色彩空间

# 使用 cv2.inrange 函数在 HSV 空间检查设定的颜色区域范围，转换为二值图像，生成遮罩
lowerColor = np.array([35, 43, 46])  # (下限: 绿色33/43/46)
upperColor = np.array([77, 255, 255])  # (上限: 绿色77/255/255)
binary = cv2.inRange(hsv, lowerColor, upperColor)  # 生成二值遮罩，指定背景颜色区域白色
binaryInv = cv2.bitwise_not(binary)  # 生成逆遮罩，前景区域白色开窗，背景区域黑色
matting = cv2.bitwise_and(img, img, mask=binaryInv)  # 生成抠图图像 (前景保留，背景黑色)

# 将背景颜色更换为红色: 修改逆遮罩 (抠图以外区域黑色)
imgReplace = img.copy()
imgReplace[binaryInv==0] = [0,0,255]  # 黑色背景区域(0/0/0) 修改为红色 (BGR:0/0/255)

plt.figure(figsize=(9, 6))
plt.subplot(221),plt.title("origin"), plt.axis('off')
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.subplot(222), plt.title("binary mask"), plt.axis('off')
plt.imshow(binary, cmap='gray')
plt.subplot(223), plt.title("invert mask"), plt.axis('off')
plt.imshow(binaryInv, cmap='gray')
plt.subplot(224), plt.title("matting"), plt.axis('off')
plt.imshow(cv2.cvtColor(matting, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()

四、资料

youcans_的博客：
https://blog.csdn.net/youcans/article/details/125414033