opencv 實現(xiàn)特定顏色線條提取與定位操作

更新時間：2020年06月02日 14:21:19 作者：chenghaoy

這篇文章主要介紹了opencv 實現(xiàn)特定顏色線條提取與定位操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

本篇文章通過調(diào)用opencv里的函數(shù)簡單的實現(xiàn)了對圖像里特定顏色提取與定位，以此為基礎(chǔ)，我們可以實現(xiàn)對特定顏色物體的前景分割與定位，或者特定顏色線條的提取與定位

主要步驟:

將RGB圖像轉(zhuǎn)化為HSV，H表示色調(diào)（度數(shù)表示0-180），S表示飽和度（取值0-255），V表示亮度（取值0-255），不同的顏色有著不同的取值范圍，一般給出如下：

設(shè)定待提取顏色的HSV范圍值，然后調(diào)用inRange函數(shù)實現(xiàn)對顏色空間的提取，該函數(shù)會將除目標(biāo)顏色外的其余顏色為黑色背景，僅保留該顏色為前景

cv2.inRange(hsv, lower_red, upper_red)

參數(shù)解析：

第一個參數(shù)：hsv指的是原圖

第二個參數(shù)：lower_red指的是圖像中低于這個lower_red的值，圖像值變?yōu)?

第三個參數(shù)：upper_red指的是圖像中高于這個upper_red的值，圖像值變?yōu)?

而在lower_red～upper_red之間的值變成255

二值化

腐蝕與膨脹操作，去除噪點，連接斷點

調(diào)用findContours函數(shù)進(jìn)行輪廓檢測

cv2.findContours()函數(shù)接受的參數(shù)為二值圖，即黑白的（不是灰度圖）

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

參數(shù)解析

第一個參數(shù)是尋找輪廓的圖像；

第二個參數(shù)表示輪廓的檢索模式，有四種（本文介紹的都是新的cv2接口）：

cv2.RETR_EXTERNAL表示只檢測外輪廓

cv2.RETR_LIST檢測的輪廓不建立等級關(guān)系

cv2.RETR_CCOMP建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個連通物體，這個物體的邊界也在頂層。

cv2.RETR_TREE建立一個等級樹結(jié)構(gòu)的輪廓。

第三個參數(shù)method為輪廓的近似辦法

cv2.CHAIN_APPROX_NONE存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1

cv2.CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標(biāo)，例如一個矩形輪廓只需4個點來保存輪廓信息

cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

返回值

cv2.findContours()函數(shù)返回三個值，一個是圖像，一個是輪廓本身，還有一個是每條輪廓對應(yīng)的屬性。

對于輪廓是以坐標(biāo)的形式返回，可以通過函數(shù)cv2.drawContours()繪制出輪廓

繪制矩形區(qū)域?qū)喞M(jìn)行定位

主要代碼如下：

import numpy as np
import cv2
import os
image = 'image1.jpg'
savefile = './mark1'
# image = os.listdir(image_file)
save_image = os.path.join(savefile, image)

#設(shè)定顏色HSV范圍，假定為紅色
redLower = np.array([156, 43, 46])
redUpper = np.array([179, 255, 255])

#讀取圖像
img = cv2.imread(image)

#將圖像轉(zhuǎn)化為HSV格式
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

#去除顏色范圍外的其余顏色
mask = cv2.inRange(hsv, redLower, redUpper)

# 二值化操作
ret, binary = cv2.threshold(mask, 0, 255, cv2.THRESH_BINARY)

#膨脹操作，因為是對線條進(jìn)行提取定位，所以腐蝕可能會造成更大間隔的斷點，將線條切斷，因此僅做膨脹操作
kernel = np.ones((5, 5), np.uint8)
dilation = cv2.dilate(binary, kernel, iterations=1)

#獲取圖像輪廓坐標(biāo)，其中contours為坐標(biāo)值，此處只檢測外形輪廓
_, contours, hierarchy = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

if len(contours) > 0:
  #cv2.boundingRect()返回輪廓矩陣的坐標(biāo)值，四個值為x, y, w, h， 其中x, y為左上角坐標(biāo)，w,h為矩陣的寬和高
  boxes = [cv2.boundingRect(c) for c in contours]
  for box in boxes:
    x, y, w, h = box
    #繪制矩形框?qū)喞M(jìn)行定位
    cv2.rectangle(img, (x, y), (x+w, y+h), (153, 153, 0), 2)
	#將繪制的圖像保存并展示
	cv2.imwrite(save_image, img)
	cv2.imshow('image', img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()

效果如圖，一試卷紅色批改字樣為例：

原圖：