opencv中基于颜色的斑点检测答案

【问题标题】：colour based blob detection in open cvopencv中基于颜色的斑点检测
【发布时间】：2016-06-09 05:30:32
【问题描述】：

我想为基于图像处理的项目在打开的 cv 中检测基于颜色的斑点。但是在用于斑点检测的 open cv 函数中，他们将输入的 BGR 图像转换为灰度，然后对图像进行阈值处理，从而导致颜色信息的丢失。

以下代码来自 blob 检测库。

if (image.channels() == 3)
        cvtColor(image, grayscaleImage, COLOR_BGR2GRAY);
    else
        grayscaleImage = image.getMat();

    if (grayscaleImage.type() != CV_8UC1) {
        CV_Error(Error::StsUnsupportedFormat, "Blob detector only supports 8-bit images!");
    }

是否有任何基于颜色的斑点检测方法？

【问题讨论】：

标签： c++ opencv image-processing computer-vision

【解决方案1】：

是的，您可以使用 opencv cv::inRange 方法轻松分割颜色斑点，这将为落在指定范围内的像素生成单通道二进制掩码。使用inRange 的主要优势在于您可以分割所有类型的垫子，即grayScale, RGB, RGBA。可以这样使用：

image = cv::imread("./sample.png"); #For reading the image in RGB format
#image = cv::imread("./sample.png", -1) #For reading the image in existing format
cv::Mat segmented_image;
# For segmenting the image in RGB format.
cv::inRange(image, cv::Scalar(100, 10, 60), cv::Scalar(120, 50, 70), segmented_image);

# For segmenting the image in Gray format
cv::inRange(image, cv::Scalar(110), cv::Scalar(150), segmented_image);

# For segmenting the image in RGBA format
cv::inRange(image, cv::Scalar(100, 10, 60, 10), cv::Scalar(120, 50, 70, 250), segmented_image);

【讨论】：

【解决方案2】：

自己处理从彩色图像到灰度图像的转换。例如，如果您想要红色对象，则只选择红色通道，然后搜索那里的 blob。

通常，最好从 RGB 转换为 HSV（色相、饱和度、值）。色调通道应该给你一个更好的颜色分离。（见HSV and HSL）

cv::cvtColor(image, imgHSV, cv::COLOR_BGR2HSV);
cv::inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);

【讨论】：