OpenCV轻松入门（七）——HSV颜色模型图像特效案例：判断白天夜晚抠图颜色过滤替换背景图
HSV模型解释
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）。
结论
- 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。
判断白天还是夜晚案例
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!
代码实现
import cv2
import numpy as np# 计算明暗程度平均值函数
def col_v(img):img = cv2.imread(img) # 读取传进来的图片img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) # 转换图片为HSV颜色模式h,s,v = cv2.split(img) # 分割后会得到HSV3个通道的值v = np.average(v) # 对V（明暗度）求平均值，也可以用np.sum/图片像素点总数来求平均值return vimg_1 = '/Users/guojun/Desktop/img1.jpg'
img_2 = '/Users/guojun/Desktop/img2.jpg'
v_1 = col_v(img_1)
v_2 = col_v(img_2)# 我们假设根据经验，平均值大于100的是白天
if v_2>100:print('day')
else:print('night')颜色过滤案例
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
代码实现
import cv2
import numpy as np
'''
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
'''
img = cv2.imread('/Users/guojun/Desktop/ball.jpg') # 读取传进来的图片
img = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) # 转换图片为HSV颜色模式# 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 = cv2.inRange(img,lower_color,upper_color)
cv2.imshow("mask_img",mask)cv2.waitKey(0)
cv2.destroyAllWindows()替换背景图案例
实现步骤
- 从绿幕图片中过滤出绿幕
- 将狗子从绿幕中抠出来
- 在背景图片上抠出狗子的位置
- 将狗子和背景图片进行相加得到最终的图片
代码实现
备注： 感兴趣的小伙伴可自行封装哦～～～
import cv2
import numpy as np
import matplotlib.pyplot as plt# 写代码时用的jupyter,cv2.imshow总是卡死，所以用的plt方便显示图像
def imgshow(img):img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)plt.imshow(img)plt.show()
'''
1、从绿幕图片中过滤出绿幕
2、将狗狗从绿幕中抠出来
3、在背景图片上抠出狗狗的位置
4、将狗狗和背景图片进行相加得到最终的图片
'''
dog_img = cv2.imread('/Users/guojun/Desktop/dog.jpg') # 读取传进来的前景图片
bg_img = cv2.imread('/Users/guojun/Desktop/bk.jpeg') # 读取传进来的背景图片
hsv_dog_img = cv2.cvtColor(dog_img,cv2.COLOR_BGR2HSV) # 转换图片为HSV颜色模式
hsv_bg_img = cv2.cvtColor(bg_img,cv2.COLOR_BGR2HSV) # 转换图片为HSV颜色模式# 定义范围 绿颜色范围
lower_color = (30,120,130)
upper_color = (60,255,255)# 从绿幕图片中过滤出绿幕
mask = cv2.inRange(hsv_dog_img,lower_color,upper_color)
# imgshow(mask)
mask_dog_img = dog_img.copy()
# 将狗狗从绿幕中抠出来
mask_dog_img[mask!=0]=[0,0,0]
# imgshow(mask_dog_img)mask_bg_img = bg_img.copy()
# 因为两张图不一样大小，按照小的来进行裁剪，定义裁剪区域
start_row, start_col = 0, 0
end_row, end_col = dog_img.shape[0], dog_img.shape[1]
# 裁剪图片
mask_bg_img = mask_bg_img[start_row:end_row, start_col:end_col]# 在背景图片上抠出狗狗的位置
mask_bg_img[mask==0]=[0,0,0]
# imgshow(mask_bg_img)# 将狗狗和背景图片进行相加得到最终的图片
new_img = mask_bg_img+mask_dog_img
imgshow(new_img)