模式识别作业：颜色算子的三种阈值分割算法

本文主要是介绍模式识别作业：颜色算子的三种阈值分割算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、引言：

在图像处理中，我们往往需要提取图像的一些关键信息，比如本篇文章的内容——提取颜色，然而当我们需要提取某一种颜色时，无论图像余下的部分如何“丰富多彩”，他们都不再重要，需要被忽略，我们称其为“背景”。此时我们只需要黑白图像就可以清晰的展示出需要提取的颜色。我们往往将每个像素点的灰度值转换为0或1，表示黑色或白色，从而将图像转换为黑白二色，这样的图像被称为二值化图像。

借助 OpenCV 的 inRange 函数我们就可以根据阈值提取满足条件的像素。

二、RGB 颜色阈值算子

1 RGB空间：

还记得第一篇文章提到的张量么，一张彩色图片可以看作一个三阶张量，即一张彩色图像是由红，绿，蓝三张图片叠加成的，每张图片的有无数的像素点，每个像素点的值域为0~255来表示颜色深浅。这就是最常用的三通道颜色空间，RGB空间。

2 代码实现：

import cv2
import numpy as npdef color_threshold(image, lower_threshold, upper_threshold):"""RGB颜色阈值算子参数：- image: 输入的RGB图像- lower_threshold: 低阈值，为一个包含三个元素的列表或元组，分别对应BGR通道的最小值- upper_threshold: 高阈值，为一个包含三个元素的列表或元组，分别对应BGR通道的最大值返回值：- thresholded_image: 经过阈值处理后的二值图像"""# 使用OpenCV的inRange函数根据阈值提取满足条件的像素thresholded_image = cv2.inRange(image, np.array(lower_threshold), np.array(upper_threshold))return thresholded_image# 主函数
if __name__ == "__main__":# 读取输入图像input_image = cv2.imread("leaf.jpg")# 定义颜色阈值lower_threshold = [0, 100, 0]  # 低阈值，例如，过滤掉B通道小于0，G通道小于100，R通道小于0的像素upper_threshold = [50, 255, 50]  # 高阈值，例如，过滤掉B通道大于50，G通道大于255，R通道大于50的像素# 应用颜色阈值算子thresholded_image = color_threshold(input_image, lower_threshold, upper_threshold)# 显示原始图像和处理后的二值图像cv2.imshow("Original Image", input_image)  # imshow用于新建弹窗显示图像cv2.imshow("Thresholded Image", thresholded_image)cv2.waitKey(0)  # 保留弹窗直至检测到其他键盘操作cv2.destroyAllWindows()

3 运行结果：

三、HSV 颜色阈值算子

1 HSV空间：

HSV空间指的是色彩空间中的一种，由色相（Hue）、饱和度（Saturation）和明度（Value）三个要素组成。色相表示颜色的基本属性，饱和度表示颜色的纯度或深浅程度，而明度则表示颜色的亮度。

2 代码实现：

import cv2
import numpy as npdef hsv_threshold(image, lower_hsv, upper_hsv):"""使用HSV颜色空间进行颜色阈值分割参数:image: 输入的RGB图像lower_hsv: HSV颜色空间下的下限阈值，格式为(H_MIN, S_MIN, V_MIN)upper_hsv: HSV颜色空间下的上限阈值，格式为(H_MAX, S_MAX, V_MAX)返回:thresholded_image: 分割后的二值图像"""# 将RGB图像转换为HSV颜色空间hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)# 设置阈值范围lower = np.array(lower_hsv)upper = np.array(upper_hsv)# 根据阈值进行二值化处理thresholded_image = cv2.inRange(hsv_image, lower, upper)return thresholded_image# 主函数
if __name__ == "__main__":# 读取图像image = cv2.imread("apple.jpg")# 定义想要提取的HSV颜色范围lower_colour = (40, 100, 100)upper_colour = (80, 255, 255)# 使用阈值算子分割图像colour_threshold = hsv_threshold(image, lower_colour, upper_colour)# 显示原始图像和分割后的图像cv2.imshow("Original Image", image)  # imshow用于新建弹窗显示图像cv2.imshow("colour Threshold", colour_threshold)cv2.waitKey(0)  # 保留弹窗直至检测到其他键盘操作cv2.destroyAllWindows()

3 运行结果：

四、CIE Lab 颜色阈值算子

1 lab空间：

LAB空间是一种色彩空间，也称为CIE LAB色彩空间。它包含三个坐标轴：L表示亮度（Lightness），a表示从洋红色（红色的负轴）到绿色（绿色的正轴）的范围，b表示从蓝色（蓝色的负轴）到黄色（黄色的正轴）的范围。

2 代码实现：

import numpy as np
import cv2def lab_color_threshold(image, lower_bound, upper_bound):"""使用CIE Lab颜色空间进行阈值分割参数：image: 输入的RGB图像lower_bound: 一个包含3个元素的列表，表示颜色的下界(L, a, b)upper_bound: 一个包含3个元素的列表，表示颜色的上界(L, a, b)返回：thresholded: 二值图像，仅包含在指定颜色范围内的区域"""# 将RGB图像转换为CIE Lab颜色空间lab_image = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)# 提取L、a、b通道L, a, b = cv2.split(lab_image)# 创建空的二值图像thresholded = np.zeros_like(L)# 将颜色通道与阈值进行比较，生成二值图像within_bounds = (lower_bound[0] <= L) & (L <= upper_bound[0]) & \(lower_bound[1] <= a) & (a <= upper_bound[1]) & \(lower_bound[2] <= b) & (b <= upper_bound[2])# 将满足条件的像素设置为255（白色）thresholded[within_bounds] = 255return thresholded# 主函数
if __name__ == "__main__":# 读取图像image = cv2.imread("apple.jpg")# 设置阈值范围（这里使用的是示例值，你可以根据需要调整）lower_bound = [0, 128, 128]  # L, a, b 的下界upper_bound = [255, 255, 255]  # L, a, b 的上界# 应用颜色阈值算子thresholded_image = lab_color_threshold(image, lower_bound, upper_bound)# 显示结果cv2.imshow("Original Image", image)  # imshow用于新建弹窗显示图像cv2.imshow("Thresholded Image", thresholded_image)cv2.waitKey(0)  # 保留弹窗直至检测到其他键盘操作cv2.destroyAllWindows()