当前位置：首页 > news >正文

使用 OpenCV 的 inRange 函数进行颜色分割

news 2025/7/7 20:26:31

使用 OpenCV 的 inRange 函数进行颜色分割

在图像处理领域，颜色分割是一个常见的任务，常用于识别和提取图像中的特定颜色区域。OpenCV 提供了一个非常方便的函数 inRange 来实现这一功能。在这篇博客中，我们将详细介绍 inRange 函数的用法，并通过示例代码演示如何使用它来分割图像中的颜色。

`inRange` 函数介绍

inRange 是 OpenCV 库中的一个函数，用于检查图像像素值是否在指定的范围内，并生成一个二值图像。这个函数常用于颜色分割和阈值处理。

函数原型

void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);

参数说明

src: 输入图像。这个图像可以是单通道（灰度图像）或多通道（彩色图像）。函数将对该图像进行处理。
lowerb: 低阈值或下界。与 src 图像具有相同的类型和通道数，用于指定每个通道的下限值。
upperb: 高阈值或上界。与 src 图像具有相同的类型和通道数，用于指定每个通道的上限值。
dst: 输出图像。这个图像是一个单通道的二值图像，尺寸和 src 相同。像素值为 255（满足条件）或 0（不满足条件）。

函数描述

inRange 函数通过检查 src 图像的每个像素值是否在 lowerb 和 upperb 范围内，如果在范围内，则将对应位置的像素值设置为 255，否则设置为 0。结果保存在 dst 图像中。

示例代码

假设你有一个彩色图像 src，你想找到图像中绿色的部分，可以使用以下代码：

#include <opencv2/opencv.hpp>int main() {// 读取输入图像cv::Mat src = cv::imread("path_to_image.jpg");if (src.empty()) {std::cout << "Could not open or find the image" << std::endl;return -1;}// 将图像从 BGR 颜色空间转换为 HSV 颜色空间cv::Mat src_hsv;cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);// 定义绿色的HSV范围cv::Scalar lowerb(35, 100, 100); // 绿色的下界（H, S, V）cv::Scalar upperb(85, 255, 255); // 绿色的上界（H, S, V）// 应用inRange函数cv::Mat mask;cv::inRange(src_hsv, lowerb, upperb, mask);// 显示结果cv::imshow("Original Image", src);cv::imshow("Mask", mask);cv::waitKey(0);return 0;
}

示例代码解析

读取输入图像：
```
cv::Mat src = cv::imread("path_to_image.jpg");
```
首先，我们使用 cv::imread 函数读取图像，并检查图像是否成功读取。
转换颜色空间：
```
cv::Mat src_hsv;
cv::cvtColor(src, src_hsv, cv::COLOR_BGR2HSV);
```
由于颜色分割通常在 HSV 颜色空间中效果更好，我们将图像从 BGR 颜色空间转换为 HSV 颜色空间。

定义颜色范围：

cv::Scalar lowerb(35, 100, 100); // 绿色的下界（H, S, V）
cv::Scalar upperb(85, 255, 255); // 绿色的上界（H, S, V）

我们定义绿色的 HSV 范围，通过调整这两个值，可以检测不同的颜色。

应用 inRange 函数：
```
cv::Mat mask;
cv::inRange(src_hsv, lowerb, upperb, mask);
```
使用 inRange 函数，我们生成一个二值图像 mask，其中绿色部分的像素值为 255，其他部分为 0。
显示结果：
```
cv::imshow("Original Image", src);
cv::imshow("Mask", mask);
```
最后，我们使用 cv::imshow 函数显示原始图像和结果二值图像。