颜色空间转换与物体追踪

本章节内容是博主网上收集的。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： 

在 OpenCV 中有超过150 种进行颜色空间转换的方法。具体包含那些，同学们可以在C++或者C#工程下，通过F12跳转到定义，查看所有的方法。

但是你以后就会发现我们经常用到的也就两种 BGR↔Gray 和 BGR↔HSV。

我们用到的函数是

cv2.cvtColor(input_image flag) 

其中 flag 就是转换类型。

对于 BGR↔Gray 的转换，我们使用的 flag 就是 cv2.COLOR_BGR2GRAY。

同样对于 BGR↔HSV 的转换，我们用的 flag 就是 cv2.COLOR_BGR2HSV

C#版本运行效果及代码如下：

以下代码利用“BGR2HSV”色彩空间转换实现指定颜色识别，最终实现指定颜色的物体追踪。最终效果可以参考python版本的，效果是一样的：

using OpenCvSharp;
using System;

namespace ConsoleApp
{
    internal class Program
    {
        static void Main(string[] args)
        {
            VideoCapture Cap = new VideoCapture();
            // 打开ID为0的摄像头
            Cap.Open(0);
            // 判断摄像头是否成功打开
            if (!Cap.IsOpened())
            {
                Console.WriteLine("摄像头打开失败.");
                Console.Read();
                return;
            }

            // 摄像头图像
            Mat frame = new Mat();

            // 设置蓝色的阈值
            Scalar lower = new Scalar(90, 50, 50);
            Scalar upper = new Scalar(130, 255, 255);

            while (true)
            {
                if (Cap.Read(frame))
                {
                    Mat hsv = new Mat();
                    Mat res = new Mat();
                    Mat mask = new Mat();

                    // 换到 HSV
                    Cv2.CvtColor(frame, hsv, ColorConversionCodes.BGR2HSV);
                    // 根据阈值构建掩模
                    Cv2.InRange(hsv, lower, upper, mask);
                    // 对原图像和掩模位运算
                    Cv2.BitwiseAnd(frame, frame, res, mask);
                    // 显示图像
                    Cv2.ImShow("frame", frame);
                    Cv2.MoveWindow("frame", 0, 0); // 原地
                    Cv2.ImShow("mask", mask);
                    Cv2.MoveWindow("mask", frame.Width, 0);// 右边
                    Cv2.ImShow("res", res);
                    Cv2.MoveWindow("res", 0, frame.Height);// 下边
                    Cv2.WaitKey(10);
                }
            }
        }
    }
}

C++版本运行效果及代码如下：

以下代码利用“BGR2HSV”色彩空间转换实现指定颜色识别，最终实现指定颜色的物体追踪。最终效果可以参考python版本的，效果是一样的：

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>

using namespace cv;
using namespace std;

void main()
{
    VideoCapture Cap;
    // 打开ID为0的摄像头
    Cap.open(0);
    // 判断摄像头是否成功打开
    if (!Cap.isOpened())
    {
        cout << "摄像头打开失败" << endl;
        return;
    }

    // 摄像头图像
    Mat frame;
    // 设置蓝色的阈值
    Scalar lower = Scalar(90, 50, 50);
    Scalar upper = Scalar(130, 255, 255);

    while (true)
    {
        Cap >> frame;
        if (!frame.empty())
        {
            Mat hsv, res, mask;

            // 换到 HSV
            cvtColor(frame, hsv, COLOR_BGR2HSV);
            // 根据阈值构建掩模
            inRange(hsv, lower, upper, mask);
            // 对原图像和掩模位运算
            bitwise_and(frame, frame, res, mask);
            // 显示图像
            imshow("frame", frame);
            moveWindow("frame", 0, 0); // 原地
            imshow("mask", mask);
            moveWindow("mask", frame.cols, 0);// 右边
            imshow("res", res);
            moveWindow("res", 0, frame.rows);// 下边
            waitKey(10);
        }
    }
}

Python版本运行效果及代码如下：

demo1：最基本的颜色空间转换示例

demo2：利用颜色识别实现物体追踪

demo1运行效果如下：

demo2代码则利用“COLOR_BGR2HSV”色彩空间转换实现指定颜色识别，最终实现指定颜色的物体追踪。实现效果如下：

import cv2
import numpy as np

'''
# 最基本的颜色空间转换示例
'''


def demo1():
    # wrong
    # green=np.uint8([0,255,0])
    # print green
    # hsv_green=cv2.cvtColor(green,cv2.COLOR_BGR2HSV)
    # print hsv_green

    # scn (the number of channels of the source),
    # i.e. self.img.channels(), is neither 3 nor 4.
    #
    # depth (of the source),
    # i.e. self.img.depth(), is neither CV_8U nor CV_32F.
    # 所以不能用 [0,255,0] 而 用 [[[0,255,0]]]
    # 的三层括号应 分别对应于 cvArray cvMat IplImage

    green = np.uint8([[[0, 255, 0]]])
    hsv_green = cv2.cvtColor(green, cv2.COLOR_BGR2HSV)
    print(hsv_green)
    # [[[60 255 255]]]

    black = np.uint8([[[0, 0, 0]]])
    hsv_black = cv2.cvtColor(black, cv2.COLOR_BGR2HSV)
    print(hsv_black)
    # [[[0 0 0]]]


def demo2():
    '''
    物体跟踪

    • 从视频中获取每一帧图像
    • 将图像转换到 HSV 空间
    • 设置 HSV 阈值到蓝色范围。
    • 获取蓝色物体 当然我们 可以做其他任何我们想做的事
    比如 在蓝色 物体周围画一个圈。


    当你学习了【轮廓】之后 你就会学到更多 相关知识
    那是你就可以找到物体的重心 并根据重心来跟踪物体
    仅仅在摄像头前挥挥手就可以画出同的图形，或者其他更有趣的事。
    '''

    cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
    # ret = cap.set(3, 640)
    # ret = cap.set(4, 480)

    # 定蓝色的阈值
    lower = np.array([90, 50, 50])
    upper = np.array([130, 255, 255])

    # 黄色-乒乓球
    # lower = np.array([20, 100, 100])
    # upper = np.array([30, 255, 255])

    # 黑色
    # lower = np.array([0, 0, 0])
    # upper = np.array([180, 255, 30])

    while True:
        # 获取每一帧
        ret, frame = cap.read()
        # 换到 HSV
        hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

        # 根据阈值构建掩模
        mask = cv2.inRange(hsv, lower, upper)
        # mask = cv2.inRange(hsv, lower_black, upper_black)
        # 对原图像和掩模位运算
        res = cv2.bitwise_and(frame, frame, mask=mask)

        # 显示图像
        cv2.imshow('frame', frame)
        cv2.moveWindow('frame', x=0, y=0)  # 原地
        cv2.imshow('mask', mask)
        cv2.moveWindow('mask', x=frame.shape[1], y=0)  # 右边
        cv2.imshow('res', res)
        cv2.moveWindow('res', y=frame.shape[0], x=0)  # 下边

        k = cv2.waitKey(1)  # & 0xFF
        if k == ord('q'):
            break
    # 关闭窗口
    cap.release()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    demo1()
    # demo2()