色彩阀值化处理——openCV-python中inRange()等相关函数实测

色彩阀值化

在图像处理的过程中，使用各种形态学操作或者滤波的方式来突显我们关注的元素，同时降低噪声并减少干扰我们提取关键元素的影响项。除了这些方法外，我们可以在原图中先依据颜色的特征，提取出更为关键的像素。就像车道检测时，一般车道只有两种颜色：黄色和白色。所以我们可以在 RGB 色彩空间(Color Space) 对这两种颜色进行过滤从而提取出车道线的像素。

色彩空间：使用一组值（通常使用三个、四个值或者颜色成分）表示颜色方法的抽象数学模型。有利用原色相混的比例表示的色彩空间，如 RGB (Red, Green, Blue) 颜色空间; 也有利用不同的概念表示的色彩空间,如 HSV (色相 hue, 饱和度 saturation, 明度 value) 以及 HSL (色相 hue，饱和度 saturation，亮度 lightness/luminance) 。
在OpenCV中，RGB三通道的图像的读取 cv2.imread() 的结果是以 BGR 顺序排列的，而在使用matplotlib的 plt.imread() 时， 读取的通道排列顺序则为 RGB 。因此此处应当注意区别。

openCV中cv2.inRange()函数是实现该功能的关键，我们先看看官网对该函数的定义：

dst	=	cv.inRange(	src, lowerb, upperb[, dst]	)

检测数组元素是否位于其他两个元素之间。
该函数检测范围方式如下：

• 对于单通道输入的每个元素：
  dst(I)=lowerb(I)0⩽src(I)0⩽upperb(I)0dst(I)=lowerb(I)_{0}\leqslant src(I)_{0}\leqslant upperb(I)_{0}dst(I)=lowerb(I)0​⩽src(I)0​⩽upperb(I)0​
• 对于双通道输入：
  dst(I)=lowerb(I)0⩽src(I)0⩽upperb(I)0∧lowerb(I)1⩽src(I)1⩽upperb(I)1dst(I)=lowerb(I)_{0}\leqslant src(I)_{0}\leqslant upperb(I)_{0}\wedge lowerb(I)_{1}\leqslant src(I)_{1}\leqslant upperb(I)_{1} dst(I)=lowerb(I)0​⩽src(I)0​⩽upperb(I)0​∧lowerb(I)1​⩽src(I)1​⩽upperb(I)1​
• 同样应用于四通道

也就是说，如果src (I)在指定的1D, 2D, 3D，…框内则dst(I)为255，否则为0。当下边界和/或上边界参数为标量时，应省略上述公式中在上、下边界处的索引(I)。

各参数详细含义：

• src 输入的数组
• lowerb 下边界数组或标量.
• upperb 上边界数组或标量.
• dst 与src和CV_8U类型大小相同的输出数组。

接下来将结合简单的例子通过python更好地理解这个函数：

import matplotlib.pyplot as plt
import numpy as np
import cv2

# 对图片进行读取
img_cv2 = cv2.imread('D:\\test\\CVtest.jpg')
print(img_cv2)

为了方便理解，我用画板工具画了一个5×5像素点的红色图片。上述代码运行结果为：

[[[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]]

[[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]]

[[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]]

[[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]]

[[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]
[ 36  27 237]]]

读者可以自行测试一下，B=36,G=27,R=237为红色。

# 创建RGB色彩空间
color_Low1 = np.array([30,27,237])
color_Low2 = np.array([39,27,237])
color_High = np.array([40,27,237])
# 对图片进行阀值化处理
img_dst1 = cv2.inRange(img_cv2,color_Low1,color_High)
img_dst2 = cv2.inRange(img_cv2,color_Low2,color_High)
#对结果进行打印
print(img_dst1,'\n', img_dst2)
# 运行结果分别为
[[255 255 255 255 255]
[255 255 255 255 255]
[255 255 255 255 255]
[255 255 255 255 255]
[255 255 255 255 255]]
[[0 0 0 0 0]
[0 0 0 0 0]
[0 0 0 0 0]
[0 0 0 0 0]
[0 0 0 0 0]]

可以看出，当图片中的像素点落在色彩空间时，输出结果全是255，当像素点不落在色彩空间是，输出结果全是0。对最终结果进行显示：

#对图像进行展示
cv2.imshow("origin_img",img_cv2)
cv2.imshow("dst_img1",img_dst1)
cv2.imshow("dst_img2",img_dst2)
cv2.waitKey(0)
cv2.destroyAllWindows()

最终结果为一个红色、一个黑色的、一个白色的小点。