【《颜色识别程序设计案例概述》1700字】

颜色识别程序设计案例概述目录TOC\o"1-3"\h\u23474颜色识别程序设计案例概述 1178751.1颜色空间模型 1265781.2颜色空间转换 4266041.3颜色识别的实现 51.1颜色空间模型颜色模型主要大致可以划分为两大基本类别,其中rgb、cmyk、ycbcr分别是一种面向用于硬件和电子设备的颜色模型,另一种则是面向用于视觉和感知的模型，其中包含HIS、HSB、HSV。颜色是一个物体固有的特性，可以作为一个检测标准，在机器视觉中，颜色识别是一个比较重要的功能，尤其针对现代产品颜色丰富多彩，因此颜色识别变得更为重要[28]。接下来主要介绍HSV与RGB颜色空间模型。（1）RGB模型RGB颜色模型是通过红、绿、蓝三种颜色互相搭配组成不同的颜色，它是应用最广的颜色模型。如下面框图所示,rgbc的颜色坐标模型关系就是这样建立在一个笛卡尔颜色坐标系理论中的，坐标系的xyz轴分别代表三种基本颜色，式（4-1）表示的是颜色配方公式：C=rR+gG+bB(4-1)其中r=g=b=(4-2)r+g+b=1(4-3)RGB颜色空间虽然应用广泛，但它不是很直观，在面对一组RGB的颜色坐标时，很难直接判断出坐标所表示的颜色，因此不能符合人们对色彩的感知。最重要的一点是RGB颜色相对来说，不属于均匀分布的，因此当比较两种颜色时不能通过坐标之间的距离进行对比。图4-1RGB颜色空间图4-2RGB通道提取图（2）HSV模型hsv颜色模型的参数h代表视觉色调,s代表饱和度,v代表视觉亮度。hsv模型主要是由rgb模型进行演化而来,如图所示h的取样量值可以用旋转角度来表示,范围为360°,从一条红色的逆时针到另一条绿、蓝三种形式。饱和度s表示的特点就是它们的颜色和光谱物质相互之间的接近程度,颜色随着饱和度的增加而逐渐地加深,高的饱和度则代表着更为深的。亮度v所代表的也就是颜色明亮,当其光照率达到最高的亮度值1时,颜色就会被显示成为白色，但是亮度并不影响光强度。由对比可以看出，HSV模型相对来说更容易对模型中的颜色进行判断。图4-3HSV颜色空间图4-4HSV通道提取图1.2颜色空间转换不同的梯度图像在不同色彩梯度空间中所需要使用的色彩场合和应用范围不同,因此在我们进行梯度图像颜色处理时经常都会对它分别进行不同梯度图像间的颜色梯率空间的梯度变化和色彩转换,由此为rgbsv图像的不同颜色梯度空间色彩变化为rghsvsv图像的不同颜色梯度空间的色彩变化转换计算公式在此列表显示如下

H=cos(4-4)S=(4-5)V=(4-6)需要特别注意的一点其实是就是不同的软件图像编辑使用软件环境下的条件不同情况下的在hsv的图像取的阈值也可能应该大致是不同的,在各种类的图像编辑修剪处理软件中,h的图像取的阈值温度范围一般都取的应该大致是0-360,s和h和v的图像取的阈值温度范围都应该是0°-100°,而在我们使用opencv中将图像的类型定义为ipl_depth_32f时,hsv的取值范围与前者相同，但如果使用的图像种类为IPL_DEPTH_8UC时，S与V的取值范围都变成了0-255，类似于RGB模式下的取值。可以在下一章节整理出的HSV颜色区间分布中发现这种情况。1.3颜色识别的实现颜色图像识别应用程序的软件设计基本思路主要的就是首先将捕捉到的颜色图像从其中的r和rgb两个颜色识别空间进行转变而成为了rhsvv的颜色识别空间，然后根据目标要求颜色划分HSV区域，然后通过开运算对捕捉后的图像进行优化，最终输出结果，因为颜色识别任务是识别特定的颜色，因此对于精度并没有要求。流程图如下所示：图4-5颜色识别流程图首先通过cvtColor函数对捕捉到的RGB图像转化为HSV图像，因为相对于RGB颜色空间，HSV可以通过H的值就大致可以推断出物体的颜色，因此经常选用HSV颜色空间来进行物体颜色的处理。因为不同的颜色对应着不同的HSV区间，如图4-6所示，不同颜色所对应着不同的HSV的区间，根据颜色区间，将所有的颜色像素标记为255或者0，输出二值化的图像。图4-6颜色的HSV区间通过上图的颜色区间，在程序中设置了不同的判断条件，根据要捕捉的目标颜色不同，调用不同的HSV的值，实现过程如下图所示：图4-7蓝色的HSV区间本实验在颜色识别上进行了优化，对于输出结果图像，最原始的是使用二值图显示目标颜色图像，通过设置阈值，当图像颜色不在阈值范围时时，将颜色设置为黑色，目标颜色设置为白色，如图4-8所示。图4-8二值图显示本设计进行了输出图像的优化，没有使用处理好的二值图像，而是根据轮廓重新绘制图像如图4-9所示，定义了复制图像轮廓的函