opencv颜色过滤--------如何选择需要的颜色呢？

在日常生活中我们表示颜色的时候都喜欢用RGB模型进行表示，RGB分别代表了三原色：红色Red， 绿色Green，蓝色Blue。但是当我们想要从图片中选取某种颜色的时候，比如说红色，用RGB该怎么做？很难啊。

所以当涉及到颜色的时候我们通常都会将图片转化到hsv空间进行表示。这个模型中颜色的参数分别是：色调（H），饱和度（S），明度（V）。

那么该如何选择我们需要的颜色呢？比如说红色，是否就只需要选择一个固定区间就可以了呢？

如果只考虑计算机画出来的颜色，那当然可以了，但是当我们推广到现实生活中的颜色的时候，我发现很多看上去是红色的色彩并不符合理论中的红色，比如说用手机拍照，用扫描仪扫描图片，色彩都是很容易失真，我们看上去是红色，但它已经不再是红色了。

参照

http://www.xuebuyuan.com/2149290.html

里边的说明，它有如下结论



所以红色区域为

( (H >= 0  && H <= 10) || (H >= 125  && H <= 180)) && S >= 43 && V >= 46

真是这样么?

让我们来做做实验吧。

我按照上面的规则进行过滤，满足规则的像素我设为白色，不满足的则为黑色。

苹果原图为：



最后的结果为空：



要求太严格了对吧，那我改成：

( (H >= 0  && H <= 10) || (H >= 125  && H <= 180) ) && S >= 43

结果变为了



效果真棒哦！

这张苹果图片是张好图片，接下来我们来见识一下其它的红色吧。

用同样的条件，下面处理一下这张淡淡的红色吧，图片是用扫描仪扫描得到：

（里边打印的信息被我涂掉了，但是处理的时候是没有的）



得到的结果图很磕碜啊，线条基本上都断掉了，完全不能满足要求啊。



那么该如何选择我们需求的阈值呢？

下面介绍一个颜色直方图方法，简单地说就是我们截取我们需要的颜色区域，之后统计一下它里边的颜色直方图，之后根据统计得到的信息划定阈值。

下面是颜色直方图所用代码。

颜色直方图

vector<MatND> getHSVHist(Mat &src){

//输入图片得是三通道彩色图片
assert (!src.empty() && src.channels() == 3);

//rgb转hsv图像
Mat hsv;
cvtColor(src, hsv, CV_BGR2HSV);

//h的范围是0~180，所以选取30个bin
//s和v的范围都是0~255，那就选择51个bin
int hbins = 30;
int sbins = 51;
int vbins = 51;
int hHistSize[] = {hbins};
int sHistSize[] = {sbins};
int vHistSize[] = {vbins};

float hranges[] = {0, 180};
float sranges[] = {0, 255};
float vranges[] = {0, 255};
const float* hRanges[] = {hranges};
const float* sRanges[] = {sranges};
const float* vRanges[] = {vranges};
vector<MatND> hist;

int hChannels[] = {0};
int sChannels[] = {1};
int vChannels[] = {2};
MatND hHist, sHist, vHist;
calcHist(&hsv, 1, hChannels, Mat(), hHist, 1, hHistSize, hRanges);
calcHist(&hsv, 1, sChannels, Mat(), sHist, 1, sHistSize, sRanges);
calcHist(&hsv, 1, vChannels, Mat(), vHist, 1, vHistSize, vRanges);
hist.push_back(hHist);
hist.push_back(sHist);
hist.push_back(vHist);
normalize( hist[0], hist[0], 0, 1, NORM_MINMAX, -1, Mat() );
normalize( hist[1], hist[1], 0, 1, NORM_MINMAX, -1, Mat() );
normalize( hist[2], hist[2], 0, 1, NORM_MINMAX, -1, Mat() );

int i;
int start = -1, end = -1;
for(i = 0; i < 30; i++)
{
float value = hist[0].at<float>(i);
if (value  > 0)
{
if (start == -1)
{
start = i;
end = i;
}
else
end = i;
cout << "H Value" << i << ": " << value << endl;
}
else
{
if (start != -1)
cout <<"H:" <<start*6 <<"~"<<(end+1)*6-1<<endl;
start = end = -1;
}
}
if (start != -1)
cout <<"H:" <<start*5 <<"~"<<(end+1)*5-1<<endl;

start = -1, end = -1;
for(i = 0; i < 51; i++)
{
float value = hist[1].at<float>(i);
if (value  > 0)
{
if (start == -1)
{
start = i;
end = i;
}
else
end = i;
cout << "S Value" << i << ": " << value << endl;
}
else
{
if (start != -1)
cout <<"S:"<< start*5 <<"~"<<(end+1)*5-1<<endl;
start = end = -1;
}
}
if (start != -1)
cout <<"S:" <<start*5 <<"~"<<(end+1)*5-1<<endl;

start = -1, end = -1;
for(i = 0; i < 51; i++)
{
float value = hist[2].at<float>(i);
if (value  > 0)
{
if (start == -1)
{
start = i;
end = i;
}
else
end = i;
cout << "V Value" << i << ": " << value << endl;
}
else
{
if (start != -1)
cout <<"V:" <<start*5 <<"~"<<(end+1)*5-1<<endl;
start = end = -1;
}
}
if (start != -1)
cout <<"V:" <<start*5 <<"~"<<(end+1)*5-1<<endl;

return hist;
}

比如说对于以下这幅图，我想要只保留图中的红色部分。



于是我在画图中打开它，然后选择了一小块红色区域裁剪并保存为新图片，如下图所示：



之后我对这一小块区域进行直方图测试，得到以下结果

颜色过滤结果

我按照上面的结果进行实验，颜色过滤代码如下：

void filteredRed(const Mat &inputImage, Mat &resultGray, Mat &resultColor){
Mat hsvImage;
cvtColor(inputImage, hsvImage, CV_BGR2HSV);
resultGray = Mat(hsvImage.rows, hsvImage.cols,CV_8U,cv::Scalar(255));
resultColor = Mat(hsvImage.rows, hsvImage.cols,CV_8UC3,cv::Scalar(255, 255, 255));
double H=0.0,S=0.0,V=0.0;
for(int i=0;i<hsvImage.rows;i++)
{
for(int j=0;j<hsvImage.cols;j++)
{
H=hsvImage.at<Vec3b>(i,j)[0];
S=hsvImage.at<Vec3b>(i,j)[1];
V=hsvImage.at<Vec3b>(i,j)[2];

if((S >= 70 && S<155) || (S >= 35 && S<65))
{
if((  H>=0 && H < 24) && V >= 215)
{
resultGray.at<uchar>(i,j)=0;
resultColor.at<Vec3b>(i, j)[0] = inputImage.at<Vec3b>(i, j)[0];
resultColor.at<Vec3b>(i, j)[1] = inputImage.at<Vec3b>(i, j)[1];
resultColor.at<Vec3b>(i, j)[2] = inputImage.at<Vec3b>(i, j)[2];
}

}
}
}
}

得到如下结果：



感觉红章这里过滤得太多了哦，那就继续调整吧，上面的结果告诉我们大致在哪一部分区间进行调整。

接着再截取那些过滤得不是特别好的地方进行实验，过滤条件修改为：

S >= 35
&&
((  H>=0 && H < 24) || H >= 140)

这一回结果变为：



这次结果在红章这部分很好，但是下面的线好像处理得不太好呢。

所以继续放宽条件。

S >= 15
&&
((  H>=0 && H < 24) || H >= 140)

哈哈，这一回结果perfect啊！

蓝色的查找

在做实验的时候，我发现蓝色特别好找，好神奇的。

蓝色部分H主要是在100~130之间。

我对下面这张图做实验

S >= 40
&&
(  H>=100 && H <= 130)

说起来S还是蛮影响结果的，如果我S设小一些，那么结果就出现很多噪声了。

比如说S设置>=10，然后结果就变成了

黑色的去除

说起来黑色真心难去掉哦，我试了下发现黑色几乎遍布H的全部区域，如果用S和V作为限制条件，又不能取得太高了，要不然会把自己要的部分也给去掉。超级难哦。

比如对于下面这张图，我首先用S>35作为条件进行过滤。



结果如下：



可以看到图片上边缘部分还是有些奇怪的边留下，此时再把V加上，条件变为S>35&&V>190，得到结果如下，哈哈，把那条边给去掉啦：



我给出的条件是根据我这张图定的，具体问题具体分析，阈值的调整还是需要自己根据手里的图片慢慢来选择。