1.1 색 공간 소개
RGB 색 공간은 즉, 세 가지 색 공간, 색상은 세 가지 색상을 혼합 할 수있는 가장 익숙한 색 공간입니다. 그러나 일반적으로 화상의 색 공간 효율적인 처리가 HSV 공간에서 수행되어, HSV (색상 색조, 채도, 채도, 밝기 값) 색 공간 또한 육각 뿔 모델로서 알려진 시각 특성에 의해 생성 된 색상이다.
참조 : HTTPS : //blog.csdn.net/taily_duan/article/details/51506776
왜, 이미지의? HSV 공간 대신 RGB 공간을 선택 RGB에서 적절한 색 공간을 식별 않았다, HSV 색 공간이나 다른 공간이 가능합니다. 색조 H가 소정 값보다도 큰 임계 값을 결정하는 기본적으로 결정될 수 컬러 조합 채도 및 밝기 정보에 의해 표현되기 때문에, HSV 선택했다. 그리고 각 성분의 기여율을 결정하기 위해 필요한, RGB의 3 개 요소로 구성된다. HSV 공간 즉 폭 넓은 인식, 더 편리.
도 1-1 HSV 색 공간 모델.
1.2 세 컬러 공간 변환 (회색 BGR HSV)
거기 OpenCV의 이상 150가지 가지 색 공간 변환이 있지만, 또한 우리는 종종 두 가지, 즉 BGR-> 회색과 BGR-> HSV를 사용합니다. 그 회색과 HSV 수 서로 호환되지 않습니다. 색 공간 변환 : cv2.cvtColor (input_image, 플래그)
BGR-> 그레이 : 플래그 cv2.COLOR_BGR2GRAY입니다
BGR-> HSV는 : 플래그 cv2.COLOR_BGR2HSV입니다
HSV 색 공간 범위에서 OpenCV의 :
H [0, 179] S [0, 255] V의 [0, 255]
도 1-2에 사용 된 색의 범위
데모는 소스 프로그램은 /home/pi/yahboom/colorBlcok/colorBlock.py 있습니다 :
1-3은 노란색과 빨간색 이미지 부분에서 색 공간 변환을 식별 피규어
이 프로그램에서 우리는 먼저 마스크의 개념이 설명을 잘 이해하지 이해하지 수있는 몇 가지 작은 파트너를 마스크, 마스크 접촉, 그것은 비트 맵으로 이해 될 수 있으며, 확장 및 기타 부식 형태를 할 수 있습니다 작동. 우리는 단지 일부 지역에 대한 관심을 추출, 마스크 이미지의 지역에서 알아야 할 특별한 구조적 특징 추출 및 이미지 생산은, 당신이 할 수있는 마스크를 사용할 가능성이 있습니다.
진행 : 색상의 복수의 인식을 달성하기 위해 노력하고 자기.