HSV颜色模型
HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。
这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）
色调H
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；
饱和度S
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
明度V
明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。
当S=1 V=1时，H所代表的任何颜色被称为纯色；当S=0时，即饱和度为0，颜色最浅，最浅被描述为灰色(灰色也有亮度，黑色和白色也属于灰色)，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，因此此时H(无论什么颜色最暗都为黑色)和S(无论什么深浅的颜色最暗都为黑色)均无意义。
注意: 在opencv中,H、S、V值范围分别是[0,180]，[0,255]，[0,255]，而非[0,360]，[0,1]，[0,1]；
这里我们列出部分hsv空间的颜色值, 表中将部分紫色归为红色
判断当前是白天还是晚上
实现步骤
将图片从BGR颜色空间,转变成HSV颜色空间获取图片的宽高信息统计每个颜色点的亮度计算整张图片的亮度平均值注意,这仅仅只能做一个比较粗糙的判定,按照我们人的正常思维,在傍晚临界点我们也无法判定当前是属于晚上还是白天!
import cv2 as cvimport numpy as npdef average_brightness(img):"""封装一个计算图片平均亮度的函数"""imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]hsv_img = cv.cvtColor(img, cv.COLOR_BGR2HSV)# 提取出v通道信息v_day = cv.split(hsv_img)[2]# 计算亮度之和result = np.sum(v_day)# 返回亮度的平均值return result / (height * width)# 计算白天的亮度平均值day_img = cv.imread("img/bt.png", cv.IMREAD_COLOR)brightness1 = average_brightness(day_img)print("day brightness1:", brightness1)# 计算晚上的亮度平均值night_img = cv.imread("img/ws.png", cv.IMREAD_COLOR)brightness2 = average_brightness(night_img)print("night brightness2:", brightness2)cv.waitKey(0)cv.destroyAllWindows()
运行结果
颜色过滤
在一张图片中,如果某个物体的颜色为纯色,那么我们就可以使用颜色过滤inRange的方式很方便的来提取这个物体.
下面我们有一张网球的图片,并且网球的颜色为一定范围内的绿色,在这张图片中我们找不到其它颜色也为绿色的图片,所以我们可以考虑使用绿色来提取它!
图片的颜色空间默认为BGR颜色空间,如果我们想找到提取纯绿色的话,我们可能需要写(0,255,0)这样的内容,假设我们想表示一定范围的绿色就会很麻烦!
所以我们考虑将它转成HSV颜色空间,绿色的色调H的范围我们很容易知道,剩下的就是框定颜色的饱和度H和亮度V就可以啦!
实现步骤:
读取一张彩色图片将RGB转成HSV图片定义颜色的范围,下限位(30,120,130),上限为(60,255,255)根据颜色的范围创建一个mask
示例代码
import cv2 as cv# 读取图片rgb_img = cv.imread("assets/tenis1.jpg", cv.IMREAD_COLOR)cv.imshow("rgb_img",rgb_img)# 将BGR颜色空间转成HSV空间hsv_img = cv.cvtColor(rgb_img, cv.COLOR_BGR2HSV)# 定义范围 网球颜色范围lower_color = (30,120,130)upper_color = (60,255,255)# 查找颜色mask_img = cv.inRange(hsv_img, lower_color, upper_color)# 在颜色范围内的内容是白色, 其它为黑色cv.imshow("mask_img",mask_img)cv.waitKey(0)cv.destroyAllWindows()
替换背景案例
实现步骤
从绿幕图片中过滤出绿幕将图片里的内容从绿幕中抠出来在itheima图片上抠出狮子的位置将狮子和黑马图片进行相加得到最终的图片
示例代码
import cv2 as cv# 1.读取绿幕图片green_img = cv.imread("assets/lion.jpg", cv.IMREAD_COLOR)hsv_img = cv.cvtColor(green_img,cv.COLOR_BGR2HSV)# 2. 定义绿幕的颜色范围lower_green = (35,43,60)upper_green = (77,255,255)# 3. 使用inrange找出所有的背景区域mask_green = cv.inRange(hsv_img, lower_green, upper_green)# 复制狮子绿幕图片mask_img = green_img.copy()# 将绿幕图片，对应蒙板图片中所有不为0的地方全部改成0mask_img[mask_green!=0]=(0,0,0)cv.imshow("dst",mask_img)# itheima图片 对应蒙板图片为0的地方全都改成0,抠出狮子要存放的位置itheima_img = cv.imread("assets/itheima.jpg", cv.IMREAD_COLOR)itheima_img[mask_green==0]=(0,0,0)cv.imshow("itheima",itheima_img)# 将抠出来的狮子与处理过的itheima图片加载一起result = itheima_img+mask_imgcv.imshow("result",result)cv.waitKey(0)cv.destroyAllWindows()
