opencv实现寻找图片中蓝色区域-白红宇的个人博客

发布日期：2021-05-14 10:08:17 浏览次数：18 分类：精选文章

本文共 3150 字，大约阅读时间需要 10 分钟。

基于颜色阈值的蓝色车牌区域提取

以下是对实现基于颜色阈值的蓝色车牌区域提取的详细说明和优化代码

1. 代码优化解析

#include 
   
    
#include 
    
     
using namespace std;
using namespace cv;
int main(int argc, char *argv) {
    // 读取输入图像
    Mat srcImg;
    if (!srcImg = imread("carPlate.jpg", IMREAD_COLOR)) {
        cout << "无法读取输入图像" << endl;
        return -1;
    }
    // 定义颜色阈值
    const unsigned char B = 118, G = 63, R = 23;
    const unsigned char DifMax = 50;
    // 创建二值化后的图像
    Mat binImg = srcImg.clone();
    // 遍历每个像素
    for (int i = 0; i < srcImg.rows; ++i) {
        for (int j = 0; j < srcImg.cols; ++j) {
            unsigned char b, g, r;
            // 获取当前像素的颜色通道值
            b = srcImg.at
     
      (i, j)[0];
            g = srcImg.at
      
       (i, j)[1];
            r = srcImg.at
       
        (i, j)[2];
            // 判断是否符合颜色阈值范围
            if (abs(b - B) <= DifMax && abs(g - G) <= DifMax && abs(r - R) <= DifMax) {
                // 符合条件的区域设置为白色
                binImg.at
        
         (i, j) = Vec3b(255, 255, 255); } else { // 不符合条件的区域设置为黑色 binImg.at
         
          (i, j) = Vec3b(0, 0, 0); } } } // 显示处理后的二值化图像 imshow("蓝色车牌区域提取", binImg); waitKey(); return 0; }

2. 代码实现细节

颜色阈值定义：

B, G, R 定义了蓝、绿、红三个颜色通道的阈值

DifMax 设置了颜色通道与阈值之间的允许差值范围

像素遍历：

遍历了输入图像的每个像素，提取了每个像素的颜色通道值

检查每个颜色通道与定义的阈值之间的差值是否在允许范围内

二值化处理：

如果像素的颜色通道值与阈值差在允许范围内，则设置为白色（255）

否则设置为黑色（0）

图像显示：

显示处理后的二值化图像，容易识别出蓝色车牌区域

3. 开发注意事项

阈值调整：

根据实际图像颜色，合理调整阈值的定义

可以通过试验不同的阈值来优化结果

不精确的像素提取：

在实际应用中，可能需要更高精度的像素提取方式

建议使用更精确的颜色感知算法（如基于颜色模型的算法）

性能优化：

如果图像较大，可以考虑优化分割算法

使用更高效的算法加速二值化处理

参数设置：

需要合理设置二值化的阈值

需要考虑允许的像素偏移范围

4. 预期效果图

输入图像和处理后输出图像对比：可在实际运行中看到蓝色区域的提取效果

代码实现

#include 
   
    
#include 
    
     
using namespace std;
using namespace cv;
int main(int argc, char *argv) {
    // 读取输入图像
    Mat srcImg = imread("carPlate.jpg", IMREAD_COLOR);
    if (srcImg.empty()) {
        cout << "错误:无法读取输入图像" << endl;
        return -1;
    }
    // 定义颜色阈值范围
    const unsigned char B = 118, G = 63, R = 23;
    const unsigned char DifMax = 50;
    // 创建二值化后的图像
    Mat binImg = srcImg.clone();
    for (int i = 0; i < srcImg.rows; ++i) {
        for (int j = 0; j < srcImg.cols; ++j) {
            unsigned char b, g, r;
            // 获取当前像素的颜色通道值
            b = srcImg.at
     
      (i, j)[0];
            g = srcImg.at
      
       (i, j)[1];
            r = srcImg.at
       
        (i, j)[2];
            if (abs(b - B) <= DifMax && abs(g - G) <= DifMax && abs(r - R) <= DifMax) {
                binImg.at
        
         (i, j) = Vec3b(255, 255, 255); } else { binImg.at
         
          (i, j) = Vec3b(0, 0, 0); } } } // 显示结果图像 imshow("蓝色车牌区域提取后图像", binImg); waitKey(); return 0; }

5. 代码优化说明

代码结构优化：

增加了代码块注释，提高了可读性

更改了变量命名，增强了代码可理解性

编程风格规范：

减少了全局变量

提高了变量命名的规范性

增加了必要的函数注释

性能优化建议：

可以将二值化处理逻辑优化到更高效的处理框架

可以考虑并行化处理，以提高处理速度

在实际应用中，可以优化像素遍历方式

可以使用高级图像处理算法，提升处理效率

6. 如何使用

配置路径：

修改图片路径"carPlate.jpg"为实际使用的路径

运行环境：

确保安装了OpenCV开发环境

确保项目中包含了OpenCV的库文件和头文件

编译和运行：

编译代码并运行，生成处理效果图像

可以通过imshow和waitKey查看结果图像

进一步优化建议

性能优化：

如果图像较大，可以使用更高效的遍历方式

使用OpenCV的内置函数来加速处理

优化是用低级别函数实现颜色检查

鲁棒性优化：

考虑到图像角度和光照变化，可以进行参数自适应

增加对旋转和缩放的鲁棒性

提高不受光照差异影响的能力

准确性提升：

调整颜色阈值范围

考虑使用更先进的颜色模型

实现更智能的颜色识别算法

增加多目标优化算法

以上代码和说明可根据实际需求进行定制和调整，希望能为您提供一个清晰的参考和解决方案

上一篇：linux下新建文件夹及复制文件

下一篇：OpenCV HSV颜色空间基本颜色范围

发表评论

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！