使用OpenCV和Python實現圖像的顏色檢測

1 背景

所以，我在這裏。乘坐Amtrak 158火車，經過長途旅行後回家。

很熱。AC幾乎無法工作。嬰兒在我旁邊尖叫，而陪伴的母親卻孤注一擲地看着窗外，清楚地質疑生孩子是否是正確的人生決定。

最重要的是，Wi-Fi無法正常工作。

幸運的是，我帶來了Game Boy和Pokemon遊戲系列。

當我將可信賴的Blue版本滑入我的Game Boy時，我想：也許我可以做一點計算機視覺相關的工作，而不是與Gary Oak對抗第一千次。

老實說，僅使用顏色就能夠分割每個遊戲卡帶真的不是很酷嗎？

拿起一杯涼爽的水來對抗不能用的AC，並用一對耳塞擋住哭泣的孩子。因爲在這篇文章中，我將向您展示如何使用OpenCV和Python進行顏色檢測。

OpenCV和python版本：

• Python 2.7/Python
• OpenCV 2.4.X/OpenCV 3.0+

2 OpenCV和Python顏色檢測

讓我們開始吧。

打開您喜歡的編輯器並創建一個名爲detect_color.py的文件：

# import the necessary packages
import numpy as np
import argparse
import cv2

# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", help = "path to the image")
args = vars(ap.parse_args())

# load the image
image = cv2.imread(args["image"])

我們將從第2-4行導入必要的程序包開始，使用NumPy進行數值處理，使用argparse解析命令行參數，並使用cv2進行OpenCV綁定。

然後，第7-9行處理解析我們的命令行參數。我們只需要一個--image即可，它是image在磁盤上的存儲路徑。

然後，在第12行上，從磁盤加載image。

現在，這是有趣的部分。

我們希望能夠檢測到圖像中的每個Game Boy墨盒。這意味着我們必須識別圖像中的紅色，藍色，黃色和灰色。

讓我們繼續定義以下顏色列表：

# define the list of boundaries
boundaries = [
	([17, 15, 100], [50, 56, 200]),
	([86, 31, 4], [220, 88, 50]),
	([25, 146, 190], [62, 174, 250]),
	([103, 86, 65], [145, 133, 128])
]

我們在這裏要做的就是在RGB顏色空間中定義一個boundaries列表（或者說BGR，因爲OpenCV將圖像表示爲NumPy數組以相反的順序），其中列表中的每個條目都是一個具有兩個值的元組：下限和上限列表。

例如，讓我們看一下元組([17, 15, 100], [50, 56, 200])。

在這裏，我們說圖像中所有具有R>=100，B>=15和G>=17以及R<=200，B<=56和G<=50的像素將被視爲紅色。

現在我們有了boundaries列表，我們可以使用cv2.inRange函數執行實際的顏色檢測了。

讓我們來看看：

# loop over the boundaries
for (lower, upper) in boundaries:
	# create NumPy arrays from the boundaries
	lower = np.array(lower, dtype = "uint8")
	upper = np.array(upper, dtype = "uint8")

	# find the colors within the specified boundaries and apply
	# the mask
	mask = cv2.inRange(image, lower, upper)
	output = cv2.bitwise_and(image, image, mask = mask)

	# show the images
	cv2.imshow("images", np.hstack([image, output]))
	cv2.waitKey(0)

我們開始在第2行上遍歷boundaries的上限和下限，然後在第4行和第5行上將上限和下限轉換爲NumPy數組。這兩行似乎可以省略，當您使用OpenCV的Python綁定時，OpenCV期望這些限制爲NumPy數組。此外，由於這些像素值在[0, 256]範圍內，因此我們可以使用無符號8位整型數據類型。

要使用OpenCV執行實際的顏色檢測，請看我們在第9行使用的cv2.inRange函數。

cv2.inRange函數需要三個參數：

• 第一個是要執行顏色檢測的圖像
• 第二個是要檢測的顏色的下限
• 第三個是要檢測的顏色的上限

調用cv2.inRange之後，將返回一個二進制掩碼，其中白色像素（255）表示落入上限和下限範圍內的像素，而黑色像素（0）則不屬於該範圍。

注意：我們正在RGB顏色空間中執行顏色檢測。但是您也可以在HSV或L*a*b*顏色空間中輕鬆地執行此操作。您只需要調整各個顏色空間的上限和下限即可。

爲了創建輸出圖像，我們在第10行上應用了mask。該行僅調用cv2.bitwise_and，僅顯示圖像中在mask中具有相應白色（255）值的像素。

最後，我們在第13和14行上輸出圖像顯示。

不錯。只有14行代碼，其中絕大多數是導入，參數解析和註釋。

讓我們繼續運行腳本：

$ python detect_color.py --image pokemon_games.png

如果您的環境配置正確（意味着您已安裝了帶有Python綁定的OpenCV），則輸出圖像爲：

3 總結

在這篇博客文章中，我向您展示瞭如何使用OpenCV和Python執行顏色檢測。

要檢測圖像中的顏色，您需要做的第一件事就是爲像素值定義上限和下限。

定義上限和下限後，然後調用cv2.inRange方法，該方法將返回一個mask，指定哪些像素落入指定的上限和下限範圍內。

最後，現在有了mask，您可以使用cv2.bitwise_and函數將其應用於圖像。

我的火車離家只有幾站路，所以我最好把這篇文章整理一下。希望你覺得它有用！

4 完整代碼

# import the necessary packages
import numpy as np
import argparse
import cv2

# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", help = "path to the image")
args = vars(ap.parse_args())

# load the image
image = cv2.imread(args["image"])

# define the list of boundaries
boundaries = [
	([17, 15, 100], [50, 56, 200]),
	([86, 31, 4], [220, 88, 50]),
	([25, 146, 190], [62, 174, 250]),
	([103, 86, 65], [145, 133, 128])
]

# loop over the boundaries
for (lower, upper) in boundaries:
	# create NumPy arrays from the boundaries
	lower = np.array(lower, dtype = "uint8")
	upper = np.array(upper, dtype = "uint8")

	# find the colors within the specified boundaries and apply
	# the mask
	mask = cv2.inRange(image, lower, upper)
	output = cv2.bitwise_and(image, image, mask = mask)

	# show the images
	cv2.imshow("images", np.hstack([image, output]))
	cv2.waitKey(0)