我計劃分享一些有趣的實戰項目，或許達不到商用的級別，但是希望能在大家做項目的時候能夠提供一些思路！如果對你有所幫助，給我點贊 & 在看，讓我知道對你有幫助哈！

基于OpenCV的顏色檢測和分割的隱形斗篷

如果你是個哈利波特迷，你就會知道什么是隱形衣。是的！這是哈利波特用來隱身的隱形衣。當然，我們都知道隱形衣不是真的——它都是圖形上的詭計。

在這篇文章中，我們將學習如何使用OpenCV中的簡單計算機視覺技術創建我們自己的“隱形衣”。文末會分享 C++和python的代碼。

那是哈利·波特在試他的隱形衣!

事實上，你可以用一種叫做顏色檢測和分割的圖像處理技術來創造這種神奇的體驗。好消息是，你不需要成為霍格沃茨的一員!你所需要的是一塊紅色的布，并遵循這篇文章。

它的原理是什么？

該算法在原理上與綠幕非常相似。但與我們刪除背景的綠幕不同，在這個應用中，我們刪除了前景！

我們用一塊紅色的布做我們的斗篷。為什么是紅色呢?為什么不綠色的嗎?當然，我們可以用綠色，紅色不是魔術師的顏色嗎？除了此之外，像綠色或藍色這樣的顏色也可以稍微調整一下。

其基本思想如下:

1. 捕獲并存儲背景幀。

2. 使用顏色檢測算法檢測紅色布料。

3. 將紅色的布料分割成一個mask。

4. 生成最后的增廣輸出，創造神奇的效果。

上面的GIF簡單地解釋了算法的所有階段。現在我們將詳細討論每一步。

步驟1:捕捉并存儲背景幀

如上所述，關鍵思想是將當前與布料相對應的幀像素替換為背景像素，從而產生一件隱身衣的效果。為此，我們需要存儲一個背景幀。

C++

//CreateaVideoCaptureobjectandopentheinputfile// If the input is the web camera, pass 0 instead of the video file nameVideoCapture cap("video4.mp4");// Check if camera opened successfullyif(!cap.isOpened()){ cout << "Error opening video stream or file" << endl; return -1;} Mat background;for(int i=0;i<30;i++){ cap >> background;}//Laterally invert the image / flip the image.flip(background,background,1);

Python

# Creating a VideoCapture object# This will be used for image acquisition later in the code.cap = cv2.VideoCapture("video.mp4") # We give some time for the camera to warm-up!time.sleep(3) background=0 for i in range(30): ret,background = cap.read() # Laterally invert the image / flip the image.background = np.flip(background,axis=1)

在上面的代碼中，cap.read()方法使我們能夠通過相機捕獲最新的幀(存儲在變量‘background’中)，它還返回一個布爾值(True/False存儲在‘ret’中)。如果一個幀被正確讀取，它將為真。所以你可以通過檢查這個返回值來檢查視頻的結束。

為什么捕獲背景圖像使用'循環' ?

因為背景是靜態的，我們不能簡單地使用一個幀嗎?當然，但是與多幀圖像相比，捕獲的圖像有點暗。這是因為相機剛剛開始捕捉幀，因此它的參數還不穩定。因此，使用for循環捕獲靜態背景的多個圖像就可以完成這個任務。

多幀平均也可以降低噪聲。

第二步:檢測紅色

因為我們使用了一塊紅色的布來將它轉換成一件隱形斗篷，所以我們將著重于在框架中檢測紅色。

聽起來簡單嗎？我們有一個RGB（紅-綠-藍）圖像，使用簡單閾值的R通道來得到我們的mask。結果證明，這將并不會特別有效，因為RGB值是高度敏感的照明。因此，即使斗篷是紅色的，也可能有一些區域，由于陰影，相應像素的紅色通道值相當低。

正確的方法是將圖像的顏色空間從RGB轉換為HSV（色相-飽和度-亮度）。

HSV顏色空間是什么?

HSV顏色空間表示使用三個值的顏色

1.色相（Hue）：這個通道對顏色信息進行編碼。色相可以被認為是一個角度，0度對應紅色，120度對應綠色，240度對應藍色。

2.飽和度（Saturation）：這個通道編碼顏色的強度/純度。例如，粉色比紅色的飽和度低。

3.值（Value）：該通道對顏色的亮度進行編碼。圖像的陰影和光澤成分出現在這個通道中。

不像RGB是根據三原色來定義的，HSV的定義方式類似于人類感知顏色的方式。

對于我們的應用而言，使用HSV顏色空間的主要優點是顏色/色調/波長僅由色相組件表示。

要了解不同的色彩空間，請參考我們關于色彩空間的詳細博客。

https://www.learnopencv.com/color-spaces-in-opencv-cpp-python/

所以當我說，我需要一個特定的顏色，選擇色相組件，然后根據飽和度組件，我得到了那個顏色的不同的陰影，進一步根據值組件，我得到了一個顏色的特定陰影的不同的強度。

在下面的代碼中，我們首先捕獲一個活動幀，將圖像從RGB轉換為HSV顏色空間，然后定義一個特定范圍的H-S-V值來檢測紅色。

C++

Mat frame;// Capture frame-by-framecap >> frame; // Laterally invert the image / flip the imageflip(frame,frame,1); //Converting image from BGR to HSV color space.Mat hsv;cvtColor(frame, hsv, COLOR_BGR2HSV); Mat mask1,mask2;// Creating masks to detect the upper and lower red color.inRange(hsv, Scalar(0, 120, 70), Scalar(10, 255, 255), mask1);inRange(hsv, Scalar(170, 120, 70), Scalar(180, 255, 255), mask2); // Generating the final maskmask1 = mask1 + mask2;

Python

# Capturing the live frameret, img = cap.read() # Laterally invert the image / flip the imageimg = np.flip(imgaxis=1) # converting from BGR to HSV color spacehsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV) # Range for lower redlower_red = np.array([0,120,70])upper_red = np.array([10,255,255])mask1 = cv2.inRange(hsv, lower_red, upper_red) # Range for upper rangelower_red = np.array([170,120,70])upper_red = np.array([180,255,255])mask2 = cv2.inRange(hsv,lower_red,upper_red) # Generating the final mask to detect red colormask1 = mask1+mask2

inRange函數簡單地返回一個二值化掩碼，其中白色像素(255)表示屬于上限和下限范圍的像素，黑色像素(0)不屬于上限和下限范圍的像素。

色相值實際上分布在一個圓上(范圍在0-360度之間)，但在OpenCV中為了適應8bit 值，其范圍是0-180度。紅色由0-30和150-180值表示。

我們使用范圍0-10和170-180，以避免檢測皮膚為紅色。飽和度使用較高范圍120-255的值，因為我們的布料應該是高度飽和的紅色。亮度值在的較低范圍是70，這樣我們也可以在布料的褶皺中檢測到紅色。

mask1 = mask1 + mask2

使用上面的線，我們合并兩個紅色范圍生成的mask。它基本上是在像素上進行OR操作。這是一個操作符重載+的簡單例子。

現在，您已經了解了如何進行顏色檢測，您可以更改H-S-V范圍，并使用一些其他的單色布來代替紅色。事實上，綠色的布比紅色的效果更好，因為綠色離人的膚色差異最大。

第三步:將檢測到的紅色布料分割開來

在上一步中，我們生成了一個mask來確定幀中與檢測到的顏色相對應的區域。我們精煉這個mask，然后用它從frame上分割布料。下面的代碼說明了它是如何實現的。

C++

Mat kernel = Mat::ones(3,3, CV_32F);morphologyEx(mask1,mask1,cv::MORPH_OPEN,kernel);morphologyEx(mask1,mask1,cv::MORPH_DILATE,kernel); // creating an inverted mask to segment out the cloth from the framebitwise_not(mask1,mask2);Mat res1, res2, final_output; // Segmenting the cloth out of the frame using bitwise and with the inverted maskbitwise_and(frame,frame,res1,mask2);

Python

mask1 = cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((3,3),np.uint8))mask1 = cv2.morphologyEx(mask, cv2.MORPH_DILATE, np.ones((3,3),np.uint8)) #creating an inverted mask to segment out the cloth from the framemask2 = cv2.bitwise_not(mask1) #Segmenting the cloth out of the frame using bitwise and with the inverted maskres1 = cv2.bitwise_and(img,img,mask=mask2)

步驟4:生成最終的增強輸出，以創建一個神奇的效果。

最后，我們將檢測到的紅色區域的像素值替換為靜態背景對應的像素值，最后生成一個增強輸出，產生神奇的效果，將我們的布料變成了一件隱身斗篷。為此，我們首先使用bitwise_and操作創建一個像素值對應于檢測區域的圖像，像素值等于靜態背景的像素值，然后將輸出添加到我們從中分割出紅布的圖像(res1)中。

C++

// creating image showing static background frame pixels only for the masked regionbitwise_and(background,background,res2,mask1); // Generating the final augmented output.addWeighted(res1,1,res2,1,0,final_output);imshow("magic", final_output);waitKey(1);

Python

# creating image showing static background frame pixels only for the masked regionres2 = cv2.bitwise_and(background, background, mask = mask1) #Generating the final outputfinal_output = cv2.addWeighted(res1,1,res2,1,0)imshow("magic",final_output)cv2.waitKey(1)