如何在没有 HSV 颜色空间的情况下进行颜色过滤/遮罩？

Question

我和我的团队想知道是否可以仅使用 RGB 值对图像执行颜色过滤。到目前为止，我们只找到了 HSV 的解决方案。我们正在使用 Jupyter Notebook。这是一个可重现的示例：

import cv2
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import hsv_to_rgb


test = cv2.imread('test.jpg')
test = cv2.cvtColor(test, cv2.COLOR_BGR2RGB)
plt.imshow(test) # result below

hsv = cv2.cvtColor(test, cv2.COLOR_RGB2HSV)

lower_orange = np.array([10, 100, 20]) # hsv color space
upper_orange = np.array([25, 255, 255]) # hsv color space
orange_mask = cv2.inRange(hsv, lower_orange, upper_orange)

res = cv2.bitwise_and(test, test, mask = orange_mask)
plt.imshow(res) # result below

所以，上面的代码可以工作，但是我们必须使用 HSV 颜色空间。

这是我在没有 HSV 转换的情况下尝试过的代码（范围值是上面使用的原始橙色 HSV 到 RGB 的直接转换）：

lower_orange_rgb = np.array([20, 14, 12]) # rgb color space
upper_orange_rgb = np.array([255, 106, 0]) # rgb color space
orange_mask_rgb = cv2.inRange(test, lower_orange_rgb, upper_orange_rgb)

res = cv2.bitwise_and(test, test, mask = orange_mask_rgb)
plt.imshow(res) # result below

所以，它只是空白，没有用。我们可以仅使用 RGB 颜色空间（不转换为 HSV）执行相同的过滤器/遮罩吗？如果是这样，怎么做？感谢您的任何建议！

Answer 1

当您查看充满活力的图像时，您会看到颜色。 OpenCV 和 Numpy 没有。他们看到了一系列数字。这消除了颜色的所有复杂性。

通过遍历每一行和每一列，很容易找到图像中的所有颜色，然后将像素值保存到一个列表中：

import cv2
import numpy as np   
img = cv2.imread('/home/stephen/Desktop/bIeGp.png')
img = cv2.resize(img, (300,300))
colors = img[100:150,100:250].copy()

# Iterate through each pixel in the colors image
colorsList = []
for x in range(colors.shape[1]):
    for y in range(colors.shape[0]):
        colorsList.append(tuple(colors[y,x]))

上面的代码创建了一个列表，其中包含此图像中颜色的所有像素值：

一旦你知道了这些颜色，你就可以遍历图像中的每个像素，看看颜色是否包含在颜色列表中：

for y in range(img.shape[0]):
    for x in range(img.shape[1]):
        #print(tuple(img[y,x]))
        if colorsList.count(tuple(img[y,x])) > 0:
            img[y,x] = 1,1,1
        else: img[y,x] = 123,123,123
    cv2.imshow('img', img)
    cv2.waitKey(1)

输出：

Answer 2

@Miki 指出了我的愚蠢错误。谢谢你。感谢大家的cmets和帮助。我现在得到了一个很好的面具，虽然它与 HSV 不一样。我必须确保掩码下限的每个 R、G 和 B 值都需要小于掩码上限的相应 R、G 或 B 值。我猜 HSV 到 RGB 的转换并不像看起来那么简单。仍然对此感到困惑，因为我认为这是一个线性转换（不过可能是我使用的在线转换器的错误）。