Python OpenCV - cv.inRange() "sensitivity"?
Python OpenCV - cv.inRange() "sensitivity"?
img = cv2.imread('/home/user/Documents/workspace/ImageProcessing/img.JPG');
image = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
#red, blue, yellow, and gray
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])]
for i, (lower, upper) in enumerate(boundaries):
lower = np.array(lower, dtype="uint8")
upper = np.array(upper, dtype="uint8")
mask = cv2.inRange(image, lower, upper)
output = cv2.bitwise_and(image, image, mask=mask)
cv2.imwrite(str(i) + 'image.jpg', output)
我正在尝试(分别)从图像中分离出红色、蓝色、黄色和灰色。
到目前为止它正在工作,但是 "sensitivity" 太低了。
该算法缺少一些较小的色点。
有没有办法校准这个?
谢谢!
编辑:
输入图像
输出
inRange
函数没有 built-in 灵敏度。它只比较值。 inRange(x,10,20)
只会给你 {10,11,...,20}。
克服这个问题的一种方法是引入您自己的敏感性度量。
s = 5 # for example sensitivity=5/256 color values in range [0,255]
for i, (lower, upper) in enumerate(boundaries):
lower = np.array([color-s if color-s>-1 else 0 for color in lower], dtype="uint8")
upper = np.array([color+s if color+s<256 else 255 for color in upper], dtype="uint8")
mask = cv2.inRange(image, lower, upper)
output = cv2.bitwise_and(image, image, mask=mask)
cv2.imwrite(str(i) + 'image.jpg', output)
或者您可以预先对图像进行平滑处理以去除此类噪点像素。这将使像素值彼此更接近,以便超出边界的像素值可能更接近范围。
img = cv2.imread('/home/user/Documents/workspace/ImageProcessing/img.JPG');
image = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
#red, blue, yellow, and gray
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])]
for i, (lower, upper) in enumerate(boundaries):
lower = np.array(lower, dtype="uint8")
upper = np.array(upper, dtype="uint8")
mask = cv2.inRange(image, lower, upper)
output = cv2.bitwise_and(image, image, mask=mask)
cv2.imwrite(str(i) + 'image.jpg', output)
我正在尝试(分别)从图像中分离出红色、蓝色、黄色和灰色。 到目前为止它正在工作,但是 "sensitivity" 太低了。 该算法缺少一些较小的色点。 有没有办法校准这个? 谢谢!
编辑:
输入图像
输出
inRange
函数没有 built-in 灵敏度。它只比较值。 inRange(x,10,20)
只会给你 {10,11,...,20}。
克服这个问题的一种方法是引入您自己的敏感性度量。
s = 5 # for example sensitivity=5/256 color values in range [0,255]
for i, (lower, upper) in enumerate(boundaries):
lower = np.array([color-s if color-s>-1 else 0 for color in lower], dtype="uint8")
upper = np.array([color+s if color+s<256 else 255 for color in upper], dtype="uint8")
mask = cv2.inRange(image, lower, upper)
output = cv2.bitwise_and(image, image, mask=mask)
cv2.imwrite(str(i) + 'image.jpg', output)
或者您可以预先对图像进行平滑处理以去除此类噪点像素。这将使像素值彼此更接近,以便超出边界的像素值可能更接近范围。