2-1 opencv实战进阶系列 阈值编辑器

2024-09-07 06:44

本文主要是介绍2-1 opencv实战进阶系列 阈值编辑器,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

一、不说废话,先上现象 

二、前言

三、方法详解

四、贴出完整代码


一、不说废话,先上现象 

二、前言

对图像的处理中,设置合适的掩膜、寻找多边形、颜色追踪等方法都需要预先设置好颜色的上阈值和下阈值,来从原图中分割出我们需要的部分。

然而,opencv并没有像openmv那样方便的阈值编辑器对原图进行处理,所以本文提供一个方便的方法,可以同时处理彩图RGB、HSV、灰度值的阈值。

三、方法详解

cv2.createTrackbar('Low R', 'RGB Threshold', 0, 255, lambda x: None)

  1. 第一个参数 ('Low R'): 这是滑动条的名称,它将显示在滑动条旁边,以便用户知道这个滑动条是用来调整什么的。在这个例子中,'Low R' 表示这是一个用于调整红色通道的最低阈值的滑动条。

  2. 第二个参数 ('RGB Threshold'): 这是滑动条将要被放置的窗口的名称。在这个例子中,滑动条将被放置在名为 'RGB Threshold' 的窗口中。

  3. 第三个参数 (0): 这是滑动条的初始位置。在这个例子中,滑动条从 0 开始。

  4. 第四个参数 (255): 这是滑动条的最大值。在这个例子中,滑动条的范围是从 0 到 255,这通常用于表示颜色值,因为颜色通道(如红色、绿色和蓝色)的值通常在 0 到 255 之间。

  5. 第五个参数 (lambda x: None): 这是一个回调函数,它在滑动条的值改变时被调用。在这个例子中,回调函数是一个空操作(lambda x: None),这意味着当滑动条的值改变时,不会执行任何操作。通常,你可以在这里放置一个函数调用来处理滑动条值的变化,例如重新计算图像的阈值或更新显示的图像。

lR = cv2.getTrackbarPos('Low R', 'RGB Threshold')

  1. 第一个参数 ('Low R'): 这是你想要获取当前位置的滑动条的名称。在这个例子中,'Low R' 指的是红色通道的最低阈值滑动条。

  2. 第二个参数 ('RGB Threshold'): 这是包含该滑动条的窗口的名称。这个参数确保你能够从正确的窗口中获取滑动条的位置。在这个例子中,'RGB Threshold' 是包含名为 'Low R' 的滑动条的窗口。

函数 cv2.getTrackbarPos 会返回一个整数,表示指定滑动条的当前位置。这个值可以在程序中用于根据用户的输入调整图像处理参数,例如,根据滑动条的位置来调整颜色阈值。

四、贴出完整代码

import cv2
import numpy as np# 读取图像
image = cv2.imread('test.png')
cv2.imshow('image', image)#cv2.cvtColor 操作在循环外完成,否则CPU占用率会很高
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 创建窗口
cv2.namedWindow('image')
cv2.namedWindow('RGB Threshold')
cv2.namedWindow('HSV Threshold')
cv2.namedWindow('Grayscale Threshold')# 创建轨道条(滑块)
cv2.createTrackbar('Low R', 'RGB Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High R', 'RGB Threshold', 255, 255, lambda x: None)
cv2.createTrackbar('Low G', 'RGB Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High G', 'RGB Threshold', 255, 255, lambda x: None)
cv2.createTrackbar('Low B', 'RGB Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High B', 'RGB Threshold', 255, 255, lambda x: None)cv2.createTrackbar('Low H', 'HSV Threshold', 0, 179, lambda x: None)  # HSV色调范围是0-179
cv2.createTrackbar('High H', 'HSV Threshold', 179, 179, lambda x: None)
cv2.createTrackbar('Low S', 'HSV Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High S', 'HSV Threshold', 255, 255, lambda x: None)
cv2.createTrackbar('Low V', 'HSV Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High V', 'HSV Threshold', 255, 255, lambda x: None)cv2.createTrackbar('Low Gray', 'Grayscale Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High Gray', 'Grayscale Threshold', 255, 255, lambda x: None)while True:# 读取滑轨的值lR = cv2.getTrackbarPos('Low R', 'RGB Threshold')hR = cv2.getTrackbarPos('High R', 'RGB Threshold')lG = cv2.getTrackbarPos('Low G', 'RGB Threshold')hG = cv2.getTrackbarPos('High G', 'RGB Threshold')lB = cv2.getTrackbarPos('Low B', 'RGB Threshold')hB = cv2.getTrackbarPos('High B', 'RGB Threshold')lH = cv2.getTrackbarPos('Low H', 'HSV Threshold')hH = cv2.getTrackbarPos('High H', 'HSV Threshold')lS = cv2.getTrackbarPos('Low S', 'HSV Threshold')hS = cv2.getTrackbarPos('High S', 'HSV Threshold')lV = cv2.getTrackbarPos('Low V', 'HSV Threshold')hV = cv2.getTrackbarPos('High V', 'HSV Threshold')lGray = cv2.getTrackbarPos('Low Gray', 'Grayscale Threshold')hGray = cv2.getTrackbarPos('High Gray', 'Grayscale Threshold')# 应用阈值lower_rgb = np.array([lB, lG, lR])upper_rgb = np.array([hB, hG, hR])mask_rgb = cv2.inRange(image, lower_rgb, upper_rgb)lower_hsv = np.array([lH, lS, lV])upper_hsv = np.array([hH, hS, hV])mask_hsv = cv2.inRange(hsv, lower_hsv, upper_hsv)mask_gray = cv2.inRange(gray, lGray, hGray)# 显示结果cv2.imshow('RGB Threshold', mask_rgb)cv2.imshow('HSV Threshold', mask_hsv)cv2.imshow('Grayscale Threshold', mask_gray)    # 按 'q' 退出循环if cv2.waitKey(1) & 0xFF == ord('q'):breakcv2.destroyAllWindows()

持续更新中……

这篇关于2-1 opencv实战进阶系列 阈值编辑器的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1144351

相关文章

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python实战之屏幕录制功能的实现

《Python实战之屏幕录制功能的实现》屏幕录制,即屏幕捕获,是指将计算机屏幕上的活动记录下来,生成视频文件,本文主要为大家介绍了如何使用Python实现这一功能,希望对大家有所帮助... 目录屏幕录制原理图像捕获音频捕获编码压缩输出保存完整的屏幕录制工具高级功能实时预览增加水印多平台支持屏幕录制原理屏幕

最新Spring Security实战教程之Spring Security安全框架指南

《最新SpringSecurity实战教程之SpringSecurity安全框架指南》SpringSecurity是Spring生态系统中的核心组件,提供认证、授权和防护机制,以保护应用免受各种安... 目录前言什么是Spring Security?同类框架对比Spring Security典型应用场景传统

最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

《最新SpringSecurity实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)》本章节介绍了如何通过SpringSecurity实现从配置自定义登录页面、表单登录处理逻辑的配置,并简单模拟... 目录前言改造准备开始登录页改造自定义用户名密码登陆成功失败跳转问题自定义登出前后端分离适配方案结语前言

OpenManus本地部署实战亲测有效完全免费(最新推荐)

《OpenManus本地部署实战亲测有效完全免费(最新推荐)》文章介绍了如何在本地部署OpenManus大语言模型,包括环境搭建、LLM编程接口配置和测试步骤,本文给大家讲解的非常详细,感兴趣的朋友一... 目录1.概况2.环境搭建2.1安装miniconda或者anaconda2.2 LLM编程接口配置2

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

基于Canvas的Html5多时区动态时钟实战代码

《基于Canvas的Html5多时区动态时钟实战代码》:本文主要介绍了如何使用Canvas在HTML5上实现一个多时区动态时钟的web展示,通过Canvas的API,可以绘制出6个不同城市的时钟,并且这些时钟可以动态转动,每个时钟上都会标注出对应的24小时制时间,详细内容请阅读本文,希望能对你有所帮助...

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

MySQL进阶之路索引失效的11种情况详析

《MySQL进阶之路索引失效的11种情况详析》:本文主要介绍MySQL查询优化中的11种常见情况,包括索引的使用和优化策略,通过这些策略,开发者可以显著提升查询性能,需要的朋友可以参考下... 目录前言图示1. 使用不等式操作符(!=, <, >)2. 使用 OR 连接多个条件3. 对索引字段进行计算操作4

Python与DeepSeek的深度融合实战

《Python与DeepSeek的深度融合实战》Python作为最受欢迎的编程语言之一,以其简洁易读的语法、丰富的库和广泛的应用场景,成为了无数开发者的首选,而DeepSeek,作为人工智能领域的新星... 目录一、python与DeepSeek的结合优势二、模型训练1. 数据准备2. 模型架构与参数设置3