基于Opencv实现颜色识别分享！

彩色模型  

数字图像处理中常用的采用模型是RGB（红，绿，蓝）模型和HSV（色调，饱和度，亮度），RGB广泛应用于彩色监视器和彩色视频摄像机，我们平时的图片一般都是RGB模型。而HSV模型更符合人描述和解释颜色的方式，HSV的彩色描述对人来说是自然且非常直观的。

HSV模型

HSV模型中颜色的参数分别是：色调（H：hue），饱和度（S：saturation），亮度（V：value）。由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。

(1)色调（H：hue）：用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°；

(2)饱和度（S：saturation）：取值范围为0.0～1.0，值越大，颜色越饱和。

(3)亮度（V：value）：取值范围为0(黑色)～255(白色）

RGB转成HSV

设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设 max 等价于 r, g 和 b 中的最大者。设 min 等于这些值中的最小者。要找到在 HSV 空间中的 (h, s, v) 值，这里的 h ∈ [0, 360）是角度的色相角，而 s, v ∈ [0,1] 是饱和度和亮度，方法如下：

max=max(R,G,B)

min=min(R,G,B)

if R = max, H = (G-B)/(max-min)

if G = max, H = 2 + (B-R)/(max-min)

if B = max, H = 4 + (R-G)/(max-min) 

H = H * 60

if H < 0, H = H + 360

OpenCV下有个函数可以直接将RGB模型转换为HSV模型，OpenCV中H∈ [0, 180）， S ∈ [0, 255]， V ∈ [0, 255]。我们知道H分量基本能表示一个物体的颜色，但是S和V的取值也要在一定范围内，因为S代表的是H所表示的那个颜色和白色的混合程度，也就说S越小，颜色越发白，也就是越浅；V代表的是H所表示的那个颜色和黑色的混合程度，也就说V越小，颜色越发黑。经过实验，识别蓝色的取值是 H在100到140，S和V都在90到255之间。一些基本的颜色H的取值可以如下设置：

Orange 0-22，Yellow 22- 38，Green 38-75，Blue 75-130，Violet 130-160，Red 160-179

具体实现

（1） 读取一张图片

  cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);

（2）将彩色图像均衡化 

  split(imgHSV, hsvSplit);  equalizeHist(hsvSplit[2],hsvSplit[2]);  merge(hsvSplit,imgHSV);  

（3）检测颜色

  inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS, iHighV), imgThresholded);

（4）进行开操作和闭操作，去除噪声的影响。

  Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));  morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);  morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);  

代码：

  #include<opencv2/highgui/highgui.hpp>  #include<opencv2/imgproc/imgproc.hpp>  #include<iostream>     using namespace cv;  using namespace std;     //入口主函数  int main(int argc, char** argv)  {   //打开摄像头，从摄像头获取图像   VideoCapture cap(0);   if (!cap.isOpened())   {   cout << "Cannot open the web cam"<<endl;   return -1;   }   //创建窗口   namedWindow("Control",CV_WINDOW_AUTOSIZE);      int iLowH = 100;   int iHighH = 140;      int iLowS = 90;   int iHighS = 255;      int iLowV = 90;   int iHighV = 255;   //创建进度条   cvCreateTrackbar("LowH","Control",&iLowH,179);   cvCreateTrackbar("HighH", "Control", &iHighH,179);      cvCreateTrackbar("LowS", "Control", &iLowS,255);   cvCreateTrackbar("Highs", "Control", &iHighS,255);      cvCreateTrackbar("LowV", "Control", &iLowV,255);   cvCreateTrackbar("HighV", "Control", &iHighV,255);   //while循环加载图片   while (true)   {   Mat imgOriginal;   bool bSuccess = cap.read(imgOriginal);       if (!bSuccess)   {   cout << "Cannot read a frame from video stream" << endl;   break;   }   //   Mat imgHSV;   vector<Mat> hsvSplit;   cvtColor(imgOriginal,imgHSV,COLOR_BGR2HSV);      //转化成直方图均衡化   split(imgHSV,hsvSplit);   equalizeHist(hsvSplit[2],hsvSplit[2]);   merge(hsvSplit,imgHSV);   Mat imgThresholded;   //确定颜色显示的范围   inRange(imgHSV, Scalar(iLowH, iLowS, iLowV), Scalar(iHighH, iHighS,iHighV),imgThresholded);   //去除噪点   Mat element = getStructuringElement(MORPH_RECT,Size(5,5));   morphologyEx(imgThresholded,imgThresholded,MORPH_OPEN,element);    //连接连通域   morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);   imshow("Thresholded Image",imgThresholded);   imshow("Original",imgOriginal);   //等待时间   char Key = (char)waitKey(300);   if (Key==27)   {   break;   }   }   return 0;  }  

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持<计算机技术网(www.ctvol.com)!!>。

—-想了解基于Opencv实现颜色识别分享！全部内容且更多的C语言教程关注<计算机技术网(www.ctvol.com)!!>