模式识别作业:颜色算子的三种阈值分割算法

2024-05-04 09:12

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()

3 运行结果:

五、优缺点对比

1 RGB优缺点:

(1)优点:

  1. 直接对应于显示器和相机的工作原理,易于理解和实现。
  2. 在处理彩色图像时,RGB是一种直观的颜色表示方式。

(2)缺点:

  1. RGB模型对光照和阴影等因素较为敏感,不太适合于需要考虑光照条件的任务。
  2. RGB模型下的颜色值不够直观,不易于对颜色的特性进行准确描述。
  3. 某些情况下,RGB模型下的颜色空间变换不够灵活,无法有效地处理一些特定的颜色操作。

2 HSV优缺点:

(1)优点:

  1. HSV模型更符合人类对颜色的感知,色相、饱和度和明度的概念更直观。
  2. 色相分量可以独立于光照条件而保持不变,因此HSV对光照条件的影响较小。
  3. 在某些任务中,如颜色识别和区分不同颜色的对象,HSV模型可能更有效。

(2)缺点:

  1. HSV模型的计算量较大,不够简洁高效,对计算资源要求较高。
  2. HSV模型不是设备无关的,可能会受到设备性能和环境光照的影响。
  3. 在一些情况下,HSV模型下的颜色分布不均匀,可能导致某些区域难以区分或处理。

3 LAB优缺点:

(1)优点:

  1. LAB模型是一种设备无关的颜色空间模型,颜色值在不同设备和环境下保持一致。
  2. LAB模型更符合人类视觉系统的感知特性,对颜色的描述更准确。
  3. LAB模型可以很好地处理颜色校正和颜色匹配等任务。

(2)缺点:

  1. LAB模型的数学计算较复杂,相比RGB和HSV模型,计算量较大。
  2. 有时,LAB模型下的颜色表示不够直观,不够直观地反映颜色在图像中的分布情况。
  3. 由于LAB模型对颜色的描述较为细致,可能会导致在某些情况下对颜色的处理和分析更加复杂。

这篇关于模式识别作业:颜色算子的三种阈值分割算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/958856

相关文章

JavaScript中比较两个数组是否有相同元素(交集)的三种常用方法

《JavaScript中比较两个数组是否有相同元素(交集)的三种常用方法》:本文主要介绍JavaScript中比较两个数组是否有相同元素(交集)的三种常用方法,每种方法结合实例代码给大家介绍的非常... 目录引言:为什么"相等"判断如此重要?方法1:使用some()+includes()(适合小数组)方法2

详解Java中三种状态机实现方式来优雅消灭 if-else 嵌套

《详解Java中三种状态机实现方式来优雅消灭if-else嵌套》这篇文章主要为大家详细介绍了Java中三种状态机实现方式从而优雅消灭if-else嵌套,文中的示例代码讲解详细,感兴趣的小伙伴可以跟... 目录1. 前言2. 复现传统if-else实现的业务场景问题3. 用状态机模式改造3.1 定义状态接口3

redis中session会话共享的三种方案

《redis中session会话共享的三种方案》本文探讨了分布式系统中Session共享的三种解决方案,包括粘性会话、Session复制以及基于Redis的集中存储,具有一定的参考价值,感兴趣的可以了... 目录三种解决方案粘性会话(Sticky Sessions)Session复制Redis统一存储Spr

Python清空Word段落样式的三种方法

《Python清空Word段落样式的三种方法》:本文主要介绍如何用python-docx库清空Word段落样式,提供三种方法:设置为Normal样式、清除直接格式、创建新Normal样式,注意需重... 目录方法一:直接设置段落样式为"Normal"方法二:清除所有直接格式设置方法三:创建新的Normal样

把Python列表中的元素移动到开头的三种方法

《把Python列表中的元素移动到开头的三种方法》在Python编程中,我们经常需要对列表(list)进行操作,有时,我们希望将列表中的某个元素移动到最前面,使其成为第一项,本文给大家介绍了把Pyth... 目录一、查找删除插入法1. 找到元素的索引2. 移除元素3. 插入到列表开头二、使用列表切片(Lis

Python实现PDF按页分割的技术指南

《Python实现PDF按页分割的技术指南》PDF文件处理是日常工作中的常见需求,特别是当我们需要将大型PDF文档拆分为多个部分时,下面我们就来看看如何使用Python创建一个灵活的PDF分割工具吧... 目录需求分析技术方案工具选择安装依赖完整代码实现使用说明基本用法示例命令输出示例技术亮点实际应用场景扩

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Java中的雪花算法Snowflake解析与实践技巧

《Java中的雪花算法Snowflake解析与实践技巧》本文解析了雪花算法的原理、Java实现及生产实践,涵盖ID结构、位运算技巧、时钟回拨处理、WorkerId分配等关键点,并探讨了百度UidGen... 目录一、雪花算法核心原理1.1 算法起源1.2 ID结构详解1.3 核心特性二、Java实现解析2.

Java继承映射的三种使用方法示例

《Java继承映射的三种使用方法示例》继承在Java中扮演着重要的角色,它允许我们创建一个类(子类),该类继承另一个类(父类)的所有属性和方法,:本文主要介绍Java继承映射的三种使用方法示例,需... 目录前言一、单表继承(Single Table Inheritance)1-1、原理1-2、使用方法1-

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解