在OpenCV中使用HSV有效地阈值红色

Question

我正在尝试使用OpenCV来限制视频流中的红色像素。 我有其他颜色很好地工作，但红色带来问题，因为它包裹在色调轴周围（即HSV（0,255,255）和HSV（179,255,255）都是红色）。 我现在使用的技术不太理想。 基本上：

cvInRangeS(src, cvScalar(0, 135, 135), cvScalar(20, 255, 255), dstA);
cvInRangeS(src, cvScalar(159, 135, 135), cvScalar(179, 255, 255), dstB);
cvOr(dstA, dstB, dst);

这是次优的，因为它需要代码中的分支用于红色（潜在的错误），两个额外图像的分配，以及与蓝色的简单情况相比的两个额外操作：

cvInRangeS(src, cvScalar(100, 135, 135), cvScalar(140, 255, 255), dst);

---

我遇到的更好的选择是“旋转”图像的颜色，使目标色调为90度。 例如。

int rotation = 90 - 179; // 179 = red
cvAddS(src, cvScalar(rotation, 0, 0), dst1);
cvInRangeS(dst1, cvScalar(70, 135, 135), cvScalar(110, 255, 255), dst);

这允许我类似地对待所有颜色。

但是，当cvAddS操作低于0时，它不会将色调值包装回180，因此会丢失数据。 我看着将图像转换为CvMat以便我可以减去它然后使用模数将负值包回到范围的顶部，但CvMat似乎不支持模数。 当然，我可以迭代每个像素，但我担心这会非常慢。

---

我已经阅读了很多教程和代码示例，但它们似乎只是方便地查看不包含色调频谱的范围，或者使用甚至更加丑陋的解决方案（例如，通过迭代每个像素重新实现cvInRangeS和对颜色表进行手动比较）。

那么，通常的解决方法是什么？ 什么是最好的方式？ 每个人的权衡是什么？ 迭代像素比使用内置CV函数慢得多吗？

Answer 1

这有点晚了，但这就是我要尝试的。

进行转换：cvCvtColor（imageBgr，imageHsv，CV_RGB2HSV）;

注意，RGB与Bgr是有目的地交叉的。

这样，红色将在蓝色通道中处理，并将以170左右为中心。也会有一个方向翻转，但只要你知道它就可以了。

Answer 2

你不会相信，但我有完全相同的问题，我通过简单的Hue（不是整个HSV）图像迭代解决了它。

迭代像素比使用内置CV函数慢得多吗？

我刚刚尝试理解cv :: inRange函数，但根本没有得到它（似乎作者使用了一些特定的迭代）。

Answer 3

您可以使用CV_BGR2HSV_FULL计算范围为0..255的Hue通道。 您的原始色调差异为10将变为14 （ 128-14..128+14 10/180*256 ），即色调必须在128-14..128+14范围内：

public void inColorRange(CvMat imageBgr, CvMat dst, int color, int threshold) {
    cvCvtColor(imageBgr, imageHsv, CV_BGR2HSV_FULL);
    int rotation = 128 - color;
    cvAddS(imageHsv, cvScalar(rotation, 0, 0), imageHsv);
    cvInRangeS(imageHsv, cvScalar(128-threshold, 135, 135), 
         cvScalar(128+threshold, 255, 255), dst);
}

Answer 4

cvAddS(...)在元素级别上等同于：

 out = static_cast<dest> ( in + shift );

这个static_cast是问题，因为剪辑/截断值。

解决方案是将数据从（0-180）转移到（x，255），然后应用带有溢出的非剪切添加：

 out = uchar(in + (255-180) + rotation );

现在您应该可以使用单个InRange调用，只需根据上面的公式移动红色间隔

Answer 5

有一种非常简单的方法可以做到这一点。

首先制作两种不同的颜色范围

cv::Mat lower_red_hue_range;
cv::Mat upper_red_hue_range;
cv::inRange(hsv_image, cv::Scalar(0, 100, 100), cv::Scalar(10, 255, 255), lower_red_hue_range);
cv::inRange(hsv_image, cv::Scalar(160, 100, 100), cv::Scalar(179, 255, 255), upper_red_hue_range);

然后使用addWeighted组合两个掩码

cv::Mat red_hue_mask;
cv::addWeighted(lower_red_hue_range, 1.0, upper_red_hue_range, 1.0, 0.0, red_hue_mask);

现在您可以将蒙版应用于图像

cv::Mat result;
inputImageMat.copyTo(result, red_hue_mask);

我从我发现的博客文章中得到了这个想法