如果光线不好，有阴影，斑驳，或者太亮的话简单的用颜色阈值就不太适用了，我们要如何完整的检测出处于不同光线下的物体？ 图像表示方式还有HSV（H（色相）S（饱和度）V（明度）），HLS（H（色相）L（亮度）S（饱和度）） 在HSV中，V受光照的影响最大，而H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。

import numpy as np
import matplotlib.pyplot as plt
import cv2
%matplotlib inline
image = cv2.imread(\'3.png\')
image_copy = np.copy(image)
image_copy = cv2.cvtColor(image_copy,cv2.COLOR_BGR2RGB)
plt.imshow(image_copy)

下面是采用RGB通道：

r = image_copy[:,:,0]
g = image_copy[:,:,1]
b = image_copy[:,:,2]
f,(ax1,ax2,ax3) = plt.subplots(1,3,figsize=(20,10))
ax1.set_title(\'Red\')
ax1.imshow(r,cmap=\'gray\')
ax2.set_title(\'Green\')
ax2.imshow(g,cmap=\'gray\')
ax3.set_title(\'Blue\')
ax3.imshow(b,cmap=\'gray\')

下面是采用HSV通道：

hsv = cv2.cvtColor(image_copy,cv2.COLOR_RGB2HSV)
h = hsv[:,:,0]
s = hsv[:,:,1]
v = hsv[:,:,2]
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\')

lower_pink = np.array([180,0,100])
upper_pink = np.array([255,255,230])
lower_hue = np.array([160,0,0])
upper_hue = np.array([180,255,255]) #允许小范围的高值色相通过 通道范围在 160 - 180 之间,饱和度和明度通道则不作限制 都为 0 - 255
mask_rgb = cv2.inRange(image_copy,lower_pink,upper_pink)
masked_image = np.copy(image_copy)
masked_image[mask_rgb == 0] = [0,0,0]
plt.imshow(masked_image)
plt.title(\'RGB selection\')

mask_hsv = cv2.inRange(hsv,lower_hue,upper_hue)
masked_image = np.copy(image_copy)
masked_image[mask_hsv == 0] = [0,0,0]
plt.imshow(masked_image)
plt.title(\'hsv selection\')

emmmm,按道理hsv更擅长选择处于不同光线下的区域的，但我我这个。。。翻车了，图片选择不太对，记住结论就好。。。

 在HSV中，V受光照的影响最大，而H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。

 

版权声明：本文为roscangjie原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/roscangjie/p/10825929.html