Color Filtering OpenCV Python Tutorial

Dalam Tutorial OpenCV dengan Python ini, kita akan menutupi cara membuat semacam filter, meninjau kembali operasi bitwise, di mana kita akan menyaring secara khusus warna tertentu, mencoba untuk hanya menunjukkan itu. Atau, Anda bisa juga secara khusus menyaring warna tertentu, dan kemudian menggantinya dengan sebuah adegan, seperti yang kita lakukan dengan mengganti ROI (wilayah gambar) dengan sesuatu yang lain, seperti bagaimana layar hijau bekerja.

Dalam OpenCV ini dengan Python tutorial, kita akan menutupi cara membuat semacam filter, meninjau kembali operasi bitwise, di mana kita akan menyaring secara khusus warna tertentu, mencoba untuk hanya menunjukkan itu. Atau, Anda bisa juga secara khusus menyaring warna tertentu, dan kemudian menggantinya dengan sebuah adegan, seperti yang kita lakukan dengan mengganti ROI (wilayah gambar) dengan sesuatu yang lain, seperti bagaimana layar hijau bekerja.

Dalam rangka untuk menyaring seperti ini Anda memiliki beberapa pilihan. Umumnya, Anda mungkin akan mengkonversi warna Anda untuk HSV, yang merupakan "Hue Saturation Value." Hal ini dapat membantu Anda benar-benar menunjukkan warna yang lebih spesifik, berdasarkan warna dan saturasi rentang, dengan varians dari nilai, misalnya. Jika Anda ingin, Anda benar-benar bisa menghasilkan filter berdasarkan nilai-nilai BGR, tetapi ini akan menjadi sedikit lebih sulit. Jika Anda mengalami kesulitan memvisualisasikan HSV, jangan merasa bingung, periksa halaman Wikipedia pada HSV, ada grafis yang sangat berguna di sana untuk Anda untuk memvisualisasikan itu. Hue untuk warna, saturasi untuk kekuatan warna, dan nilai cahaya.


import cv2
import numpy as np

cap = cv2.VideoCapture(0)

while(1):
    _, frame = cap.read()
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
   
    lower_red = np.array([30,150,50])
    upper_red = np.array([255,255,180])
   
    mask = cv2.inRange(hsv, lower_red, upper_red)
    res = cv2.bitwise_and(frame,frame, mask= mask)

    cv2.imshow('frame',frame)
    cv2.imshow('mask',mask)
    cv2.imshow('res',res)
   
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break

cv2.destroyAllWindows()
cap.release()



Ini hanya sebuah contoh , dengan merah sebagai target . pada dasarnya 30-255 , 150-255 , dan 50-180 . Ini adalah untuk merah , tetapi anda bebas untuk mencoba untuk menemukan warna Anda sendiri . Alasan mengapa HSV yang terbaik di sini adalah karena kami ingin berbagai warna , dan kita umumnya ingin warna yang sama dalam kasus ini .

Untuk mengetahui kisaran HSV , saya percaya metode terbaik adalah dengan hanya trial and error . Ada dibangun dalam metode untuk OpenCV untuk mengkonversi BGR untuk HSV . Jika Anda ingin memilih hanya satu warna maka BGR , untuk HSV akan menjadi besar untuk digunakan. inilah Contohnya :

    dark_red  = np.uint8([[[12,22,121]]])
    dark_red = cv2.cvtColor(dark_red,cv2.COLOR_BGR2HSV)




Hasilnya di sini akan menjadi nilai HSV yang identik dengan nilai dark_red. Ini bagus ... tapi sekali lagi ... Anda mengalami masalah mendasar dengan rentang warna vs rentang di HSV. Mereka hanya berbeda secara fundamental. Anda mungkin memiliki penggunaan yang sah untuk BGR berkisar, mereka akan tetap bekerja, tetapi untuk mendeteksi satu "warna," biasanya bekerja dengan baik.

Kembali ke kode utama, bagaimanapun, pertama kita harus mengkonversi frame untuk HSV. Selanjutnya, kita menentukan beberapa nilai HSV untuk warna merah. Kami membuat mask, menggunakan "inRange" pernyataan, untuk rentang tertentu kami. Ini benar atau salah, hitam atau putih. Selanjutnya, kita "memulihkan" kami merah-ness dengan menjalankan operasi bitwise. Pada dasarnya, kami menampilkan warna mana yang ada di frame DAN mask. Bagian putih dari mask akan dianggap merah, yang dikonversi menjadi putih, sementara hal lain menjadi hitam. Akhirnya kami menunjukkan itu semua. Aku memilih untuk menampilkan bingkai asli, mask, dan hasil akhir, sehingga Anda bisa mendapatkan ide yang lebih baik dari apa yang terjadi.