HSV顏色模型

如果我們想找出一副圖像中的藍色部分，我們需要檢查rgb分量中的blue分量就可以了。一般blue分量是0-255的值，即便藍色分量255了，由于另外兩個分量的影響，需要考慮各個分量的配比問題，rgb作為顏色判斷很難實現，就有了hsv模型hsv，photoshop中hsb

HSV(Hue, Saturation, Value)是根據顏色的直觀特性由A. R. Smith在1978年創建的一種顏色空間, 也稱六角錐體模型(Hexcone Model)。這個模型中顏色的參數分別是：色調（H），飽和度（S），明度（V）。

色調H

用角度度量，取值范圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°。它們的補色是：黃色為60°，青色為180°,品紅為300°；

飽和度S

飽和度S表示顏色接近光譜色的程度。一種顏色，可以看成是某種光譜色與白色混合的結果。其中光譜色所占的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高。飽和度高，顏色則深而艷。光譜色的白光成分為0，飽和度達到最高。通常取值范圍為0%～100%，值越大，顏色越飽和。

亮度V

亮度表示顏色明亮的程度，對于光源色，明度值與發光體的光亮度有關；對于物體色，此值和物體的透射比或反射比有關。通常取值范圍為0%（黑）到100%（白）。

在OpenCV中hsv 數據為8UC則取值分別為 0-180 0-255 0-255 ,即藍色240對應的應該是120

1, 預處理
//src目前是BGR顏色空間，轉換成HSV

Mat hsv;cvtColor(src, hsv, COLOR_BGR2HSV);//imshow("hsv", hsv);

效果

2找藍色像素：h(100-124),s(43-255),v(46-255)
遍歷
獲取通道數

int channels = hsv.channels();int height = hsv.rows;//如下圖，寬度變成了列數乘以3int width = hsv.cols * channels;//如果是連續存儲，按照1行來處理，如下圖，內存地址從0到8為第一行，將下一行看作為一行。if (hsv.isContinuous()) {width *= height;height = 1;}uchar* p;for (int i = 0; i < height; i++){//取第i行的數據p = hsv.ptr<uchar>(i);//每次處理channels個數據，這里j步長為channels，每次都取3個。for (int j = 0; j < width; j += channels) {//獲取 h s v 分量int h = p[j];int s = p[j + 1];int v = p[j + 2];//h(100-124),s(43-255),v(46-255)bool isBlue = false;if (h >= 100 && h <= 124 &&s >= 43 && s <= 255 &&v >= 46 && v <= 255) {isBlue = true;}if (isBlue){//凸顯藍色（v分量最大255）p[j] = 0;//hp[j + 1] = 0;//sp[j + 2] = 255;//v}else {//變黑（v分量為0）p[j] = 0;//hp[j + 1] = 0;//sp[j + 2] = 0;//v}}}// end for//imshow("凸顯藍色", hsv);

處理完之后如圖：
如果是藍色的車，可能就識別不了了。

vector<Mat> hsv_split;split(hsv, hsv_split);//對圖像按通道進行分離 ， merge()合并//imshow("分離v分量", hsv_split[2]);//v分離

https://blog.csdn.net/u012819339/article/details/82222008

分離 之后如圖：

分離分量之后，和sobel一樣，進行二值化，閉操作，找輪廓。。。

注意：
之前的是藍色的，還有一種是黃色的。
//藍色車牌：字符淺背景深，正二值化
//黃色車牌：字符深背景淺，反二值化

//二值化Mat shold;//THRESH_OTSU 大律法 自適應閾值//THRESH_BINARY 正二值化//THRESH_BINARY_INV 反二值化//藍色車牌：字符淺背景深，正二值化//黃色車牌：字符深背景淺，反二值化threshold(hsv_split[2], shold, 0, 255, THRESH_OTSU + THRESH_BINARY);//imshow("color二值化", shold);//閉操作Mat close;Mat element = getStructuringElement(MORPH_RECT, Size(17, 3));morphologyEx(shold, close, MORPH_CLOSE, element);//imshow("color閉操作", close);//找輪廓vector<vector<Point>> contours;findContours(close, //輸入圖像contours, //輸出輪廓RETR_EXTERNAL, //外輪廓CHAIN_APPROX_NONE //輪廓上所有像素點);RotatedRect rotatedRect;vector<RotatedRect> vec_color_rects;//遍歷并判斷矩形尺寸Mat src_clone = src.clone();for each (vector<Point> points in contours){rotatedRect = minAreaRect(points);//帶角度的矩形rectangle(src_clone, rotatedRect.boundingRect(), Scalar(0, 0, 255));if (verifySizes(rotatedRect)) {vec_color_rects.push_back(rotatedRect);}}for each (RotatedRect rect in vec_color_rects){rectangle(src_clone, rect.boundingRect(), Scalar(0, 255, 0));}//imshow("color找輪廓", src_clone);//矩形矯正（角度判斷，旋轉矩形，調整大小）tortuosity(src, vec_color_rects, dst_plates);/*for each (Mat m in dst_plates){//imshow("color定位候選車牌", m);//waitKey();}*/

color二值化：
sobel二值化

sobel閉操作（左）和color閉操作（右邊）圖對比
顯然，color閉操作要好一點。

總結

以上是生活随笔為你收集整理的3 OpenCV 车牌识别-2 颜色定位的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。