Profile Image of the Author
南叶酱
摸鱼ing...
统计加载中...
公告
评论不能用！！！ 其他里的东西暂时还没改，不是我的！！ 问题反馈和建议请加qq420883290
1290 字
6 分钟
RM装甲板识别 - 02 装甲板颜色提取
2025-10-24
RM
RM
/
学习
统计加载中...

本阶段核心API清单#

API作用
cv::split()分离BGR通道
cv::cvtColor()颜色空间转换
cv::inRange()颜色范围筛选
cv::threshold()简单阈值二值化
cv::subtract()通道相减
cv::bitwise_or/and()位运算组合mask

核心思路#

装甲板的灯条有两个特点：

  1. 特定颜色（红色或蓝色）
  2. 高亮度（灯条是发光的）

通道相减法#

  • 原理: BGR图像中，红色区域R通道值高、B通道值低，相减后红色凸显
  • 优点: 速度极快（1-2ms），实时性好
  • 缺点: 易受环境光干扰，需要后续强筛选
  • 适用: 比赛实战、光照稳定环境

HSV筛选法#

  • 原理: HSV分离了颜色和亮度，可精确筛选颜色范围
  • 优点: 抗干扰能力强，准确度高
  • 缺点: 速度较慢（5-10ms），参数需调优
  • 适用: 复杂光照、高精度需求

1. cv::split() - 分离BGR通道#

基础用法#

#include <opencv2/opencv.hpp>
#include <vector>


int main() {
    cv::Mat img = cv::imread("armor.jpg");
    // 分离通道
    std::vector<cv::Mat> channels;
    cv::split(img, channels);
    // 现在：
    // channels[0] = B通道（蓝色分量）
    // channels[1] = G通道（绿色分量）
    // channels[2] = R通道（红色分量）
    cv::waitKey(0);


    return 0;
}

2. 通道相减法#

提取红色#

cv::Mat img = cv::imread("red_armor.jpg");
// 分离通道
std::vector<cv::Mat> channels;
cv::split(img, channels);
// 红色 = R通道 - B通道
cv::Mat red;
cv::subtract(channels[2], channels[0], red);
// 二值化
cv::Mat binary;
cv::threshold(red, binary, 100, 255, cv::THRESH_BINARY);
// 查看效果

提取蓝色#

// 蓝色 = B通道 - R通道
cv::Mat blue;
cv::subtract(channels[0], channels[2], blue);


cv::Mat binary_blue;
cv::threshold(blue, binary_blue, 100, 255, cv::THRESH_BINARY);

3. cv::cvtColor() - 颜色空间转换#

常用转换代码#

  • COLOR_BGR2GRAY BGR转灰度
  • COLOR_BGR2HSV BGR转HSV
  • COLOR_BGR2RGB BGR转RGB
  • COLOR_HSV2BGR HSV转回BGR

HSV颜色空间详解#

HSV把颜色分解为3个维度：

H (色调 Hue): 0-180
├─ 0-10:    红色(第一段)
├─ 100-124: 蓝色  装甲板蓝色
└─ 170-180: 红色(第二段) 装甲板红色


S (饱和度 Saturation): 0-255
└─ 100-255: 鲜艳色 灯条在这里


V (明度 Value): 0-255
└─ 100-255: 明亮 灯条在这里

BGR转HSV#

cv::Mat img = cv::imread("armor.jpg");
cv::Mat hsv;
cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);

4. cv::inRange() - 颜色范围筛选#

  • src 输入图像（通常是HSV）
  • lowerb 下界（Scalar(H_min, S_min, V_min)）
  • upperb 上界（Scalar(H_max, S_max, V_max)）
  • dst 输出二值图（在范围内=255，否则=0）

提取红色（完整版）#

cv::Mat img = cv::imread("red_armor.jpg");
cv::Mat hsv;
cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);


// 红色的H值跨越了0-180的边界！需要分两段
// 第一段: H=0-10
cv::Scalar lower_red1(0, 100, 100);    // (H, S, V)
cv::Scalar upper_red1(10, 255, 255);


// 第二段: H=170-180
cv::Scalar lower_red2(170, 100, 100);
cv::Scalar upper_red2(180, 255, 255);


// 分别提取两段
cv::Mat mask1, mask2, red_mask;
cv::inRange(hsv, lower_red1, upper_red1, mask1);
cv::inRange(hsv, lower_red2, upper_red2, mask2);


// 合并两段（位运算：或）
cv::bitwise_or(mask1, mask2, red_mask);

提取蓝色#

// 蓝色只需要一段
cv::Scalar lower_blue(100, 100, 100);  // H=100-130
cv::Scalar upper_blue(130, 255, 255);


cv::Mat blue_mask;
cv::inRange(hsv, lower_blue, upper_blue, blue_mask);

参数调优技巧#

创建滑块实时调参：

#include <opencv2/opencv.hpp>


// 全局变量
int h_min = 0, h_max = 10;
int s_min = 100, s_max = 255;
int v_min = 100, v_max = 255;


void on_trackbar(int, void*) {
    // 回调函数，每次滑块变化时调用
}


int main() {
    cv::Mat img = cv::imread("armor.jpg");
    cv::Mat hsv;
    cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);


    // 创建窗口
    cv::namedWindow("调参");


    // 创建滑块
    cv::createTrackbar("H min", "调参", &h_min, 180, on_trackbar);
    cv::createTrackbar("H max", "调参", &h_max, 180, on_trackbar);
    cv::createTrackbar("S min", "调参", &s_min, 255, on_trackbar);
    cv::createTrackbar("S max", "调参", &s_max, 255, on_trackbar);
    cv::createTrackbar("V min", "调参", &v_min, 255, on_trackbar);
    cv::createTrackbar("V max", "调参", &v_max, 255, on_trackbar);


    while (true) {
        cv::Scalar lower(h_min, s_min, v_min);
        cv::Scalar upper(h_max, s_max, v_max);


        cv::Mat mask;
        cv::inRange(hsv, lower, upper, mask);


        cv::imshow("原图", img);
        cv::imshow("mask", mask);


        if (cv::waitKey(30) == 27) break;
    }


    // 打印最终参数
    std::cout << "最优参数:" << std::endl;
    std::cout << "lower: (" << h_min << ", " << s_min << ", " << v_min << ")" << std::endl;
    std::cout << "upper: (" << h_max << ", " << s_max << ", " << v_max << ")" << std::endl;


    return 0;
}

5. cv::threshold() - 简单阈值二值化#

  • THRESH_BINARY | 标准二值化
  • THRESH_BINARY_INV | 反向二值化
  • THRESH_TRUNC | 截断
  • THRESH_TOZERO | 低于阈值归零

配合通道相减使用#

// 提取红色
cv::Mat red;
cv::subtract(channels[2], channels[0], red);


// 阈值二值化
cv::Mat binary;
cv::threshold(red, binary, 100, 255, cv::THRESH_BINARY);
// 像素 > 100 → 255(白)
// 像素 <= 100 → 0(黑)

自适应阈值（应对光照不均）#

cv::Mat gray;
cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);


cv::Mat adaptive;
cv::adaptiveThreshold(gray, adaptive, 255,
                      cv::ADAPTIVE_THRESH_GAUSSIAN_C,
                      cv::THRESH_BINARY, 11, 2);
// blockSize=11: 邻域大小
// C=2: 常数调整值

6. cv::bitwise 位运算#

常用函数#

void cv::bitwise_or(InputArray src1, InputArray src2, OutputArray dst);
void cv::bitwise_and(InputArray src1, InputArray src2, OutputArray dst);
void cv::bitwise_not(InputArray src, OutputArray dst);
void cv::bitwise_xor(InputArray src1, InputArray src2, OutputArray dst);

合并多个mask#

// 红色有两段，需要合并
cv::Mat red_mask1, red_mask2, red_final;
cv::inRange(hsv, lower_red1, upper_red1, red_mask1);
cv::inRange(hsv, lower_red2, upper_red2, red_mask2);
cv::bitwise_or(red_mask1, red_mask2, red_final);

提取同时满足多个条件的区域#

// 同时是红色 且 亮度很高
cv::Mat color_mask, brightness_mask, final_mask;
cv::inRange(hsv, lower_red, upper_red, color_mask);
cv::threshold(hsv_channels[2], brightness_mask, 200, 255, cv::THRESH_BINARY);
cv::bitwise_and(color_mask, brightness_mask, final_mask);

反转mask#

cv::Mat mask, inverted;
cv::inRange(hsv, lower, upper, mask);
cv::bitwise_not(mask, inverted);  // 黑白反转

完整实战代码#

方案1: 通道相减法（快速）#

#include <opencv2/opencv.hpp>


cv::Mat extractRedFast(const cv::Mat& img) {
    std::vector<cv::Mat> channels;
    cv::split(img, channels);


    // R - B
    cv::Mat red;
    cv::subtract(channels[2], channels[0], red);


    // 二值化
    cv::Mat binary;
    cv::threshold(red, binary, 100, 255, cv::THRESH_BINARY);


    return binary;
}


int main() {
    cv::Mat img = cv::imread("red_armor.jpg");
    cv::Mat binary = extractRedFast(img);


    cv::imshow("原图", img);
    cv::imshow("红色提取", binary);
    cv::waitKey(0);


    return 0;
}

方案2: HSV筛选法（精确）#

#include <opencv2/opencv.hpp>


cv::Mat extractRedAccurate(const cv::Mat& img) {
    cv::Mat hsv;
    cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);


    // 红色两段
    cv::Scalar lower1(0, 100, 100);
    cv::Scalar upper1(10, 255, 255);
    cv::Scalar lower2(170, 100, 100);
    cv::Scalar upper2(180, 255, 255);


    cv::Mat mask1, mask2, mask;
    cv::inRange(hsv, lower1, upper1, mask1);
    cv::inRange(hsv, lower2, upper2, mask2);
    cv::bitwise_or(mask1, mask2, mask);


    return mask;
}


cv::Mat extractBlue(const cv::Mat& img) {
    cv::Mat hsv;
    cv::cvtColor(img, hsv, cv::COLOR_BGR2HSV);


    cv::Scalar lower(100, 100, 100);
    cv::Scalar upper(130, 255, 255);


    cv::Mat mask;
    cv::inRange(hsv, lower, upper, mask);


    return mask;
}


int main() {
    cv::Mat img = cv::imread("armor.jpg");


    cv::Mat red_mask = extractRedAccurate(img);
    cv::Mat blue_mask = extractBlue(img);


    cv::imshow("原图", img);
    cv::imshow("红色mask", red_mask);
    cv::imshow("蓝色mask", blue_mask);
    cv::waitKey(0);


    return 0;
}
RM装甲板识别 - 02 装甲板颜色提取
https://www.nanye404.top/posts/rm_opencv_02/
作者
南叶酱
发布于
2025-10-24
许可协议
CC BY-NC-SA 4.0

部分信息可能已经过时

RM装甲板识别 - 03 形态学处理
RM装甲板识别 - 04 轮廓检测
© 2025 南叶酱. All Rights Reserved. / RSS / Atom / Sitemap
Powered by Astro & Mizuki  Version 5.3
封面
示例歌曲
示例艺术家
封面
示例歌曲
示例艺术家
0:00 / 0:00