颜色识别

视频讲解如下：

在本章节中给大家演示如何进行颜色识别，主要函数：inRange。当前代码并非毛星云的代码，而是博主自行整理的，毛星云的教程中好像没有颜色识别这一讲。

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

HSV颜色空间介绍

        参考网址：https://blog.csdn.net/Solomon1558/article/details/43772147

        系统的颜色识别采用的是SHV(HSI)颜色空间。

        HSI（Hue，Saturation andIntensity）颜色空间是从人的视觉系统出发，用色调（Hue）、色饱和度（Saturation或Chroma）和亮度（Intensity或Brightness）来描述颜色。HSI颜色空间可以用一个圆锥空间模型来描述，如下图。

用这种描述HIS颜色空间的圆锥模型相当复杂，但确能把色调、亮度和色饱和度的变化情形表现得很清楚。其中：

（A）HSI圆锥空间模型

（B）线条示意图：圆锥上亮度、色度和饱和度的关系。

（C）纵轴表示亮度：亮度值是沿着圆锥的轴线度量的，沿着圆锥轴线上的点表示完全不饱和的颜色，按照不同的灰度等级，最亮点为纯白色、最暗点为纯黑色。

（D）圆锥纵切面：描述了同一色调的不同亮度和饱和度关系。

（E）圆锥横切面：色调H为绕着圆锥截面度量的色环，圆周上的颜色为完全饱和的纯色，色饱和度为穿过中心的半径横轴。

HSV颜色空间设置方法

        参考网址：https://blog.csdn.net/taily_duan/article/details/51506776

在描述设置方法之前，我们先假定我们需要设置的系统识别颜色为黄色，而我们需要设置的颜色HSV的值，其中：

H值的范围：0~180

S值的范围：0~255

V值的范围：0~255

网上给出了一张HSV范围的参考表，当然了，该表只能作为参考，因为表中部分红色被归为紫色，实际取值范围还得根据实际情况进行调整，参考表如下图：

实际的黄色HSV值取值范围确定方法如下：

步骤1：

        首先在网上找一张黄色图片，图片如下：

步骤2：

        将图片用Photoshop打开，因为使用Photoshop我们能够很直接的获取到图片中颜色的HSV值，图片打开如下

        通过设置颜色属性，我们可以看到有一个“HSB滑块”的选项，然后通过吸管工具不断的提取图片中黄色区域的颜色，我们可以发现颜色属性中HSB的值是在变化的，并且H的变化范围为0~360，S的变化范围为0~100，B的变化范围为0~100,。其中HSB和HSV的对应关系如下：

        通过吸管工具的提取效果显示，在Photoshop中色调H的大致范围为41~58，饱和度S的范围为83%~100%，亮度B的范围为60%~100%，但是为了能够让系统更能准确的识别出黄色，我们还得借助Photoshop的另一个工具拾色器。如下：

我们都知道，黄色的RGB颜色为:(255,255,0)，通过拾色器设置RGB颜色，我们可以发现，黄色的色调H的最大值为60，饱和度S和亮度B的最大值为100%，也就是说在Photoshop中黄色的HSB值范围如下：

色调H范围：41~60

饱和度S范围：83%~100%

亮度B范围：60%~100%

我们知道，Photoshop中的HSB和OpenCV中的HSV是存在比例关系的，所以在OpenCV中HSV的取值范围为：

色调H最小值：41/2≈20

色调H最大值：60/2 = 30

饱和度S最小值：255*83%≈212

饱和度S最大值：255*100%=255

亮度V最小值：255*60%=153

亮度V最大值：255*100%=255

步骤3

        通过前一步的HSV范围提取，到了这一步我们就可以直接使用函数inRange()进行图像颜色空间的识别了，实现代码如下：

int iLowH = 20;
int iHighH = 30;
int iLowS = 0.83 * 255;
int iHighS = 255;
int iLowV = 0.60 * 255;
int iHighV = 255;
cvtColor(inImg, imgHSV, COLOR_BGR2HSV);//转为HSV
Mat imgThresholded;
inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);

将原始图像转换成HSV图像后的效果如下：

经过颜色识别后的图像如下：

通过以上识别，我们可以发现，系统已经能够将图像中的黄色区域给扣取出来，为了能够更好的说明，系统颜色识别的准确性，我准备了这样一张图片，如下：

系统识别结果如下：

将原始图像转换成HSV图像后的效果如下：

经过颜色识别后的图像如下：

到了这一步，系统的颜色识别功能就完成了。

项目工程演示

        前面讲解了如何提取HSV颜色空间区间，下面我们来演示一下我们的C#、C++、Python三个版本的颜色识别demo。

        首先了，我们准备一张测试用的图片：

运行效果如下（C#）：

C#版本代码如下：

using OpenCvSharp;

namespace demo
{
    internal class Program
    {
        /// <summary>
        /// 颜色识别(除红色外的其他单色)
        /// </summary>
        /// <param name="srcImage"></param>
        /// <returns></returns>
        static Mat ColorFindContours(Mat srcImage,
            int iLowH, int iHighH,
            int iLowS, int iHighS,
            int iLowV, int iHighV)
        {
            Mat bufImg = new Mat();
            Mat imgHSV = new Mat();
            //转为HSV
            Cv2.CvtColor(srcImage, imgHSV, ColorConversionCodes.BGR2HSV);
            Cv2.InRange(imgHSV, new Scalar(iLowH, iLowS, iLowV), new Scalar(iHighH, iHighS, iHighV), bufImg);
            return bufImg;
        }

        /// <summary>
        /// 颜色识别（红色）
        /// </summary>
        /// <param name="srcImage"></param>
        /// <returns></returns>
        static Mat ColorFindContours2(Mat srcImage)
        {
            Mat des1 = ColorFindContours(srcImage,
              350 / 2, 360 / 2,         // 色调最小值~最大值
              (int)(255 * 0.70), 255,   // 饱和度最小值~最大值
              (int)(255 * 0.60), 255);  // 亮度最小值~最大值

            Mat des2 = ColorFindContours(srcImage,
               0, 16 / 2,               // 色调最小值~最大值
              (int)(255 * 0.70), 255,   // 饱和度最小值~最大值
              (int)(255 * 0.60), 255);  // 亮度最小值~最大值

            return des1 + des2;
        }

        /// <summary>
        /// 黄色识别
        /// </summary>
        static void demo1()
        {
            Mat g_srcImage = Cv2.ImRead("../../../images/color.jpg");
            Cv2.ImShow("原始图1", g_srcImage);

            Mat des = ColorFindContours(g_srcImage,
                45 / 2, 60 / 2,           // 色调最小值~最大值
                (int)(255 * 0.60), 255,   // 饱和度最小值~最大值
                (int)(255 * 0.90), 255);  // 亮度最小值~最大值

            Cv2.ImShow("demo1", des);
        }

        /// <summary>
        /// 红色识别
        /// </summary>
        static void demo2()
        {
            Mat g_srcImage = Cv2.ImRead("../../../images/color.jpg");
            Cv2.ImShow("原始图2", g_srcImage);
            Mat des = ColorFindContours2(g_srcImage);
            Cv2.ImShow("demo2", des);
        }

        static void Main(string[] args)
        {
            demo1();
            demo2();
            Cv2.WaitKey();
        }
    }
}

C++版本代码如下：

#include <opencv2/opencv.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  

using namespace cv;

// 颜色识别(除红色外的其他单色)
Mat ColorFindContours(Mat srcImage,
    int iLowH, int iHighH,
    int iLowS, int iHighS,
    int iLowV, int iHighV)
{
    Mat bufImg;
    Mat imgHSV;
    //转为HSV
    cvtColor(srcImage, imgHSV, COLOR_BGR2HSV);
    inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), bufImg);
    return bufImg;
}

// 颜色识别（红色）
Mat ColorFindContours2(Mat srcImage)
{
    Mat des1 = ColorFindContours(srcImage,
        350 / 2, 360 / 2,         // 色调最小值~最大值
        (int)(255 * 0.70), 255,   // 饱和度最小值~最大值
        (int)(255 * 0.60), 255);  // 亮度最小值~最大值

    Mat des2 = ColorFindContours(srcImage,
        0, 16 / 2,                // 色调最小值~最大值
        (int)(255 * 0.70), 255,   // 饱和度最小值~最大值
        (int)(255 * 0.60), 255);  // 亮度最小值~最大值

    return des1 + des2;
}

int main()
{
    //载入色卡
    Mat srcImage = imread("../images/color.jpg");
    imshow("原始图", srcImage);

    // 黄色识别
    Mat des = ColorFindContours(srcImage,
        45 / 2, 60 / 2,          // 色调最小值~最大值
        (int)(255 * 0.60), 255,  // 饱和度最小值~最大值
        (int)(255 * 0.90), 255); // 亮度最小值~最大值
    imshow("des1", des);

    // 红色识别
    des = ColorFindContours2(srcImage);
    imshow("des2", des);

    waitKey(0);
    return 0;
}

Python版本代码如下：

import cv2
import numpy as np


def ColorFindContours(srcImage, iLowH, iHighH, iLowS, iHighS, iLowV, iHighV):
    # 转为HSV
    imgHSV = cv2.cvtColor(srcImage, cv2.COLOR_BGR2HSV)
    bufImg = cv2.inRange(imgHSV, np.array((iLowH, iLowS, iLowV)), np.array((iHighH, iHighS, iHighV)))
    return bufImg


def ColorFindContours2(srcImage):
    des1 = ColorFindContours(srcImage,
                             350 / 2, 360 / 2,  # 色调最小值~最大值
                             int(255 * 0.70), 255,  # 饱和度最小值~最大值
                             int(255 * 0.60), 255)  # 亮度最小值~最大值

    des2 = ColorFindContours(srcImage,
                             0, int(16 / 2),  # 色调最小值~最大值
                             int(255 * 0.70), 255,  # 饱和度最小值~最大值
                             int(255 * 0.60), 255)  # 亮度最小值~最大值

    return des1 + des2


# 载入色卡
srcImage = cv2.imread("../images/color.jpg")
# 显示原图
cv2.imshow("srcImage", srcImage)

des = ColorFindContours(srcImage,
                        45 / 2, 60 / 2,  # 色调最小值~最大值
                        int(255 * 0.60), 255,  # 饱和度最小值~最大值
                        int(255 * 0.90), 255)  # 亮度最小值~最大值
cv2.imshow("des1", des)

des = ColorFindContours2(srcImage)
cv2.imshow("des2", des)

cv2.waitKey(0)
cv2.destroyAllWindows()