如何使用 OpenCV 找到红色区域？答案

【问题标题】：How to find the RED color regions using OpenCV?如何使用 OpenCV 找到红色区域？
【发布时间】：2018-12-16 04:02:30
【问题描述】：

我正在尝试制作一个检测红色的程序。但是有时它比平时更暗，所以我不能只使用一个值。检测不同深浅的红色的最佳范围是多少？我目前使用的范围是 128、0、0 - 255、60、60，但有时它甚至没有检测到我放在它前面的红色物体。

【问题讨论】：

标签： python opencv colors

【解决方案1】：

您可以检查红色分量是最大值，而其他分量都明显较低：

def red(r, g, b):
    threshold = max(r, g, b)
    return (
        threshold > 8          # stay away from black
        and r == threshold     # red is biggest component
        and g < threshold*0.5  # green is much smaller
        and b < threshold*0.5  # so is b
    )

这可以使用 numpy 非常有效地实现。

“正确的方法”是完全转换为 HSV 并在那里检查，但它会更慢而且有点棘手（色调是一个角度，所以你不能只取差异的绝对值，而且颜色像 ( 255, 254, 254) 将被认定为“红色”，即使它们被认为是人类的白色）。

另请注意，人类视觉系统倾向于补偿平均值，因此即使最大的分量确实是红色，也可以将某些东西视为“蓝色”，但图像中的所有内容都是红色的，因此“不算数”我们的大脑。

在下图中，如果你问一个人，圆圈区域中的部分是什么颜色，大多数人会说“蓝色”，而实际上最大的部分是红色：

【讨论】：

【解决方案2】：

请使用 HSV 或 HSL（色调、饱和度、亮度）而不是 RGB，在 HSV 中，使用 hue 的值在某个阈值内可以轻松检测到红色。

【讨论】：

只检查 hue 是行不通的，除非您认为 (255, 254, 254) 是完美的“红色”。
@6502 它比绿色或其他任何东西更红。此外，OP 存在颜色较深的问题。

【解决方案3】：

RGB不是用于特定颜色检测的良好颜色空间。 HSV 会是一个不错的选择。

对于 RED，您可以使用以下颜色图选择 HSV 范围 (0,50,20) ~ (5,255,255) 和 (175,50,20)~(180,255,255)。当然，RED range 不是那么精确，但还可以。

代码取自我的另一个答案：Detect whether a pixel is red or not

#!/usr/bin/python3
# 2018.07.08 10:39:15 CST
# 2018.07.08 11:09:44 CST
import cv2
import numpy as np
## Read and merge
img = cv2.imread("ColorChecker.png")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

## Gen lower mask (0-5) and upper mask (175-180) of RED
mask1 = cv2.inRange(img_hsv, (0,50,20), (5,255,255))
mask2 = cv2.inRange(img_hsv, (175,50,20), (180,255,255))

## Merge the mask and crop the red regions
mask = cv2.bitwise_or(mask1, mask2 )
croped = cv2.bitwise_and(img, img, mask=mask)

## Display
cv2.imshow("mask", mask)
cv2.imshow("croped", croped)
cv2.waitKey()

相关答案：

Choosing the correct upper and lower HSV boundaries for color detection with`cv::inRange` (OpenCV)

How to define a threshold value to detect only green colour objects in an image :Opencv

How to detect two different colors using `cv2.inRange` in Python-OpenCV?

Detect whether a pixel is red or not

当然，对于具体的问题，也许其他色彩空间也可以。

How to read utility meter needle with opencv?

【讨论】：

为什么将 BGR 转换为 HSV 似乎会改变颜色？为什么它看起来和基于原始图像的 HSV 值匹配？
这类似于来自 opencv docs.opencv.org/master/df/d9d/tutorial_py_colorspaces.html 的回答他们还建议使用 opencv 从 RGB 转换为 HSV，并使用色调 +/- 10 和 [50, 255] 的范围来表示饱和度和值看来。
为什么所有其他颜色选择器使用 [0, 360] 范围内的度数值作为色调，而您使用 [0, 180] 的标量？对于那些看过答案的人来说，有点细微的差别是所有颜色选择器都使用（百分比）值 [0, 100]% 来表示饱和度和值。

【解决方案4】：

红色表示红色值高于蓝色和绿色。

因此您可以检查红色和蓝色、红色和绿色之间的差异。

您可以简单地将 RGB 拆分为单独的通道并像这样应用阈值。

b,g,r = cv2.split(img_rgb)
rg = r - g
rb = r - b
rg = np.clip(rg, 0, 255)
rb = np.clip(rb, 0, 255)

mask1 = cv2.inRange(rg, 50, 255)
mask2 = cv2.inRange(rb, 50, 255)
mask = cv2.bitwise_and(mask1, mask2)

希望它可以解决您的问题。

谢谢。

【讨论】：