關于提高計算機視覺識別紅色準確度的方法

王全勝

摘要：顏色是物體的一種重要特征，人們可以依據顏色對物體進行分類、判斷等。顏色識別很大程度上改變著人們的工作方式。使用計算機對顏色進行識別，可以極大地提高工作效率，降低工作成本。本文就opencv中使用HSV模型對紅色識別過程中存在的識別不準確、不全面的情況進行了分析并提出解決方法，并在實踐中加以驗證。

關鍵詞：opencv;顏色識別;紅色;hsv python

中圖分類號：TP18? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）25-0112-02

計算機視覺是使用計算機的攝像設備采集圖像并進行識別，并從圖像中獲取信息的人工智能系統。簡單的說，就是不但讓計算機學會看，還讓他知道看到了什么。以人看到的圖像為例，我們可以從中辨認出形狀、顏色、大小、亮度、色彩等。讓計算機辨認出特定的顏色，就是顏色識別。顏色是物體的一種重要特征，人們可以依據顏色對物體進行分類、判斷等。利用顏色特征，人們在很多行業的應用中獲得了便利。比如，在快遞行業，依據不同的顏色對流水線上的物品進行分揀;在農業，利用顏色識別判斷果蔬的成熟程度、對異常作物進行定位、藥物噴灑和進行田間雜草和作物的區分（智能除草）;在公共安全方面，對火焰顏色的識別。大到衛星遙感監控山火，小到倉庫火災預警，顏色識別很大程度上改變著人們的工作方式。使用計算機對顏色進行識別，可以極大地提高工作效率，降低工作成本。視覺識別技術目前在工業檢測、生物醫學、X射線圖像增強、遙感圖像分析和空間技術等方面具有廣泛的應用價值。

1 顏色識別的方法

顏色識別主要有兩種方法，一種利用顏色模型識別，另一種采用訓練分類器的方法識別，第一種方法穩定性并不高，經常調節白平衡，即Gamma值，來適應色溫的變化，第二種方法也會受到未分類的特殊情況的影響，根據具體應用情況，擇優選擇。彩色圖像的顏色模型有很多種形式，RGB、YUV、HSV、CMYK等，其中在圖像處理以RGB最為直觀理解且顯示器系統采用就是此類模型，而HSV更符合人眼的顏色分辨，通常在HSV顏色空間下進行顏色識別。HSV分別指色相、飽和度、亮度。色相就是“是什么顏色”，飽和度就是顏色有多濃，亮度就是圖像的明暗程度。

以HSV模型為例，它將顏色空間的模型對應于圓柱坐標系中的一個圓錐形子集，圓錐的頂面對應于V=1。它包含RGB模型中的R=1，G=1，B=1 三個面，所代表的顏色較亮。色彩H由繞V軸的旋轉角給定。紅色對應于角度0°，綠色對應于角度120°，藍色對應于角度240°。

識別顏色的算法是讀取照片像素點的顏色，轉換成HSV模型中的值，看它是否在要識別的顏色區間內。把在此顏色區間內的點的集合作為掩模，與原照片按位進行與運算，就得出了要尋找的顏色區域。舉個例子。我們要識別藍色的范圍，就把像素點轉換成HSV模型。對照圖一，看是否H（色相）在100至124之間，S（飽和度）是否在43至255之間，V（亮度）是否在46至255之間。如果同時滿足這三個條件，我們就認為這個像素點是藍色。這比較好理解。在實際的識別中，根據光線不同，這三個值會有稍許偏差。

2 識別紅色的特殊之處

在使用無人機機載攝像頭對色塊進行識別、判斷形狀的過程中我們發現紅色的識別成功率明顯小于其他顏色。通過抓取掩模我們看到，本應是紅色的區域掩模沒有完全覆蓋。通過圖一的表我們可以看到紅色的范圍并不是連續的范圍。它的H分布在0至10以及156至180。這兩個范圍的顏色都是紅色，因為其分布在HSV模型中不連續，所以我們在給定顏色區間時只能給定其中一個。

3 掩模的抓取

我們使用python的opencv來做了實驗。首先，我們選擇了一張有色彩漸變的圖片作為實驗素材。

如圖2，我們選擇了一張聯想的彩色羽毛壁紙作為素材。將0至10范圍內的紅色掩模（圖3）和156至180范圍內的紅色掩模（圖4）進行了對比。

如圖4所示，兩組掩碼并不重合，但對應在圖2上的區域都是紅色。只要將兩塊區域合并再與圖二做按位與操作，就能得到圖二中的紅色區域。

4 算法

有了想法，我們用python寫了一段代碼來實現。代碼中使用了opencv和numpy。

import cv2

import numpy as np

def color_area（img， colors， thresholds）：

"""

Args：

img：經過濾波的BGR圖像

colors（list）：需要分割的顏色

thresholds（dict）：顏色的閾值

Returns：

mask（dict）：{"顏色"（str）：掩膜（二值圖）}

"""

masks = {}

img_hsv=cv2.cvtColor（img， cv2.COLOR_BGR2HSV）? ? #將圖像轉換成HSV模型

for color in colors：

low = thresholds[color][0]

high = thresholds[color][1]

mask = cv2.inRange（img_hsv，low，high）

s = np.sum（mask）? # 判斷掩膜是否全黑（沒有對應顏色）

if s == 0 ：

mask = None

masks[color] = mask