OpenCV 中使用 inRange 进行 HSV 阈值操作

OpenCV 中使用 inRange 进行 HSV 阈值操作

目标

在本教程中，您将学习如何：

• 使用 OpenCV 函数执行基本的阈值操作。
• 根据 HSV 色彩空间中的像素值范围检测对象。
• 理解颜色分割在图像处理中的基本原理。

理论背景

为什么使用 HSV 色彩空间？

RGB 颜色模型是计算机显示图像的基础，它通过红（Red）、绿（Green）、蓝（Blue）三个通道的组合来表示颜色。然而，RGB 模型并不符合人类对颜色的直观感知方式。例如，改变亮度可能会同时影响所有通道，导致难以单独调整颜色的明暗而不改变其色相。

HSV（Hue, Saturation, Value）色彩空间将颜色信息分解为三个独立的维度：

1. 色调 (Hue)：表示颜色的种类，如红色、绿色或蓝色。通常用角度（0-360 度）表示。
2. 饱和度 (Saturation)：表示颜色的纯度或强度。从灰色（不饱和）到完全鲜艳的颜色。
3. 明度 (Value)：表示颜色的亮度或强度。从黑色到最亮的颜色。

由于色调通道专门用于建模颜色类型，因此在需要根据颜色分割对象的图像处理任务中，HSV 空间比 RGB 更加有效和稳定。例如，在光照条件变化时，HSV 的色调分量通常比 RGB 的通道更稳定。

inRange 函数原理

inRange 是 OpenCV 提供的一个核心函数，用于检查数组元素是否位于给定的下限和上限之间。在图像处理中，它常用于创建掩膜（Mask），即生成一个二值图像，其中满足条件的像素值为白色（255），不满足条件的像素值为黑色（0）。

基本语法如下：

cv::inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);

• src: 输入图像。
• lowerb: 下界数组。
• upperb: 上界数组。
• dst: 输出掩膜图像。

该函数支持多通道数组，对于单通道图像，它比较每个像素值是否在范围内；对于多通道图像（如 BGR 或 HSV），它会逐通道进行比较。

环境准备

在开始编写代码之前，请确保您的开发环境已安装 OpenCV 库。如果您使用的是 C++，通常需要配置 CMake 或 IDE 以链接 OpenCV 库文件。此外，您需要一个摄像头设备来实时捕获视频流进行测试。

代码实现

以下是一个完整的 C++ 示例程序，展示了如何使用 VideoCapture 捕获视频，将其转换为 HSV 格式，并利用 inRange 函数结合滑动条（Trackbar）动态调整 HSV 阈值范围。

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

using namespace cv;
using namespace std;

// 定义 HSV 的最大值
const int max_value_H =  / ; 
  max_value_S = ;
  max_value_V = ;

 string window_capture_name = ;
 string window_detection_name = ;


 low_H = , low_S = , low_V = ;
 high_H = max_value_H, high_S = max_value_S, high_V = max_value_V;


{
    low_H = (low_H + , high_H - );
    (, window_detection_name, low_H);
}


{
    high_H = (high_H - , low_H + );
    (, window_detection_name, high_H);
}


{
    low_S = (low_S + , high_S - );
    (, window_detection_name, low_S);
}


{
    high_S = (high_S - , low_S + );
    (, window_detection_name, high_S);
}


{
    low_V = (low_V + , high_V - );
    (, window_detection_name, low_V);
}


{
    high_V = (high_V - , low_V + );
    (, window_detection_name, high_V);
}

{
    
    ;
     (!cap.()) {
        cerr <<  << endl;
         ;
    }

    
    (window_capture_name, WINDOW_AUTOSIZE);
    (window_detection_name, WINDOW_AUTOSIZE);

    
    (, window_detection_name, &low_H, max_value_H, on_low_H_thresh_trackbar);
    (, window_detection_name, &high_H, max_value_H, on_high_H_thresh_trackbar);
    (, window_detection_name, &low_S, max_value_S, on_low_S_thresh_trackbar);
    (, window_detection_name, &high_S, max_value_S, on_high_S_thresh_trackbar);
    (, window_detection_name, &low_V, max_value_V, on_low_V_thresh_trackbar);
    (, window_detection_name, &high_V, max_value_V, on_high_V_thresh_trackbar);

    Mat frame, frame_HSV, frame_threshold;

     () {
        cap >> frame;
         (frame.()) {
            ;
        }

        
        (frame, frame_HSV, COLOR_BGR2HSV);

        
        (frame_HSV, (low_H, low_S, low_V), (high_H, high_S, high_V), frame_threshold);

        
        (window_capture_name, frame);
        
        (window_detection_name, frame_threshold);

        
         key = ()();
         (key ==  || key == ) {
            ;
        }
    }

     ;
}