2

我正在对 opencv 视频中的颜色范围进行阈值处理。目标是将 B 模式（黑白，位置信息但不是速度信息）与医学超声视频中的彩色血流多普勒模式（速度信息）分开，用于学术项目。我试图根据我从超声波机器提供的色标（浅蓝色 [opencv hue 90] 到黄色 [opencv hue 35]）重建的 HSV 色调范围来设定阈值。不幸的是，结果并不好。我在阈值中犯了错误吗？还是有另一种方法可以达到预期的效果？下面是我的代码和我的结果的框架示例。 结果示例

#!/usr/bin/env python
# -*- coding: utf-8 -*-

##IMPORTS
import cv2.cv as cv
import numpy as np

##VARIABLES
#colors
doppler_hues=np.concatenate([np.arange(90,181),np.arange(0,36)])

##MAIN
#start video stream analysis
frames = raw_input('Please enter video file:')
if not frames:
   print "This program requires a file as input!"
   sys.exit(1)


# first, create the necessary windows
cv.NamedWindow ('image', cv.CV_WINDOW_AUTOSIZE)
cv.NamedWindow ('original', cv.CV_WINDOW_AUTOSIZE)

#File capture
vidFile = cv.CaptureFromFile(frames)
nFrames = int(  cv.GetCaptureProperty( vidFile, cv.CV_CAP_PROP_FRAME_COUNT ) )
fps = cv.GetCaptureProperty( vidFile, cv.CV_CAP_PROP_FPS )
waitPerFrameInMillisec = int( 1/fps * 1000/1 )


for f in xrange( nFrames ):
   #frame capture
   frame = cv.QueryFrame( vidFile )

   # create the images we need
   original = cv.CreateImage (cv.GetSize (frame), 8, 3)
   cv.Copy(frame,original)
   image = cv.CreateImage (cv.GetSize (frame), 8, 3)
   cv.CvtColor(frame, image, cv.CV_BGR2HSV)
   image2 = cv.CreateImage (cv.GetSize (frame), 8, 3)

   if not frame:
      break

   #Replace pixel colors
   image=np.asarray(image[:,:])
   hue=np.resize(image,(480,640,1))
   hue[np.where((np.not_equal(hue,doppler_hues)).all(axis=2))]=[0]
   hue2=np.resize(hue,(480,640,3))
   image[np.where((hue2==[0,0,0]).all(axis=2))]=[0,0,0]

   image=cv.fromarray(image[:,:])
   cv.CvtColor(image, image2, cv.CV_HSV2BGR)

   #show the image
   cv.ShowImage("image", image2)
   cv.ShowImage("original", original)

   #quit command ESC
   if cv.WaitKey(waitPerFrameInMillisec)==27:
      break
   else:
      cv.WaitKey(waitPerFrameInMillisec) % 0x100

cv.DestroyAllWindows()
4

1 回答 1

3

仅基于 Hue 组件的阈值在某种程度上是无用的。
正如您在下面看到的，对于特定的色调，可能的颜色范围还包括灰色。

光谱

此外，看到 H、S、V 通道，我可以说仅 H 通道无法帮助您。您还应该使用饱和度通道：

色调通道
（色相通道）

不过，您可以看到饱和度通道可以帮助您更轻松地找到彩色区域：

饱和

过滤饱和度<180色，会给你这个：
打铃星期六

现在你有了色彩缤纷的区域。如果该侧边栏始终在您处理的图片中，您可以过滤 Value 通道中的 Value<150 也将它们过滤掉：

Sat 和 Val 过滤器

顺便说一句，使用 cv2，您的代码变得更具可读性和更易于维护：

import cv2

img = cv2.imread('image.png')
image_thr = img.copy()

imh = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
image_thr[(imh[...,1]<180) | (imh[...,2]<150)]=0

cv2.imshow('filtered',image_thr)
于 2013-06-02T21:36:07.497 回答