使用 OpenCV 将一定范围内的颜色更改为另一种颜色

问题描述：

我想将棕色区域更改为红色（或其他颜色）。只是我不知道如何获取棕色的范围并将它们放入 Python 代码中。我知道如何更改单一颜色，但不知道如何更改一系列颜色。有什么想法吗？谢谢

解决方案 1：

这应该能给你一个想法——它的评论很好：

#!/usr/local/bin/python3
import cv2 as cv
import numpy as np

# Load the aerial image and convert to HSV colourspace
image = cv.imread("aerial.png")
hsv=cv.cvtColor(image,cv.COLOR_BGR2HSV)

# Define lower and uppper limits of what we call "brown"
brown_lo=np.array([10,0,0])
brown_hi=np.array([20,255,255])

# Mask image to only select browns
mask=cv.inRange(hsv,brown_lo,brown_hi)

# Change image to red where we found brown
image[mask>0]=(0,0,255)

cv.imwrite("result.png",image)

我如何确定“棕色”的极限？我在图像中找到一个棕色区域，然后裁剪掉它以删除其他所有内容。然后我将其调整为 1x1 以平均该区域内的所有棕色色调，并将其转换为 HSV 颜色空间，我将其打印出来并取值Hue为 15，然后取 +/-5 以得到 10-20 的范围。将范围增加到 8-22 以选择更广泛的色调范围。

HSV/HSL 色彩空间在维基百科上有描述。

关键词：图像处理、Python、OpenCV、inRange、颜色范围、素数。

解决方案 2：

我想提出一种不同的方法。但是，这种方法只适用于某些主色（红色、蓝色、绿色和蓝色）。我关注的是所讨论图像中的红色区域。

背景：

这里我使用LAB 颜色空间：

• L通道：表示图像中的亮度

• A通道：表示图像中红色和绿色之间的颜色变化

• B通道：表达图像中黄色和蓝色之间的颜色变化

由于我对红色区域感兴趣，因此我将选择 A 通道进行进一步处理。

代码：

img = cv2.imread('image_path')

# convert to LAB color space
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

# A-channel
cv2.imshow('A-channel', lab[:,:,1])

如果仔细观察图片，明亮的区域与原始图片中的红色相对应。现在，当我们对其进行阈值处理时，我们可以将其完全隔离：

th = cv2.threshold(lab[:,:,1],127,255,cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

使用th图像作为蒙版，我们为相应区域赋予不同的白色：

# create copy of original image
img1=img.copy()
# highlight white region with different color
img1[th==255]=(255,255,0)

以下是两张堆叠在一起的图像：

您可以规范化 A 通道图像以更好地进行可视化：

dst = cv2.normalize(lab[:,:,1], dst=None, alpha=0, beta=255,norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)

这样，处理主色时就无需在 HSV 空间中寻找范围。探索 B 通道可以帮助隔离蓝色和黄色区域。