我正在尝试将cv::InRange()与HSV图像一起使用。由于色调值是循环的,我需要处理最小/最大值,其中最小色调可能大于最大色调值。到目前为止,我使用以下代码来计算范围掩码:
cv::Mat InRangeMask(const cv::Mat &hsv, cv::Scalar min, cv::Scalar max)
{
cv::Mat rangeMask;
if(min[0]<=max[0])
{
cv::inRange(hsv, min, max, rangeMask);
}
else
{
cv::Mat rangeMask2;
cv::Scalar min1(0, min[1], min[2]);
cv::Scalar max1(min[0], max[1], max[2]);
cv::Scalar min2(max[0], min[1], min[2]);
cv::Scalar max2(179, max[1], max[2]);
cv::inRange(hsv, min1, max1, rangeMask);
cv::inRange(hsv, min2, max2, rangeMask2);
rangeMask |= rangeMask2;
}
return rangeMask;
}
但是此解决方案在 else 情况下需要两倍的时间(在带有优化的版本中)。我认为可以有更有效的代码来反转范围或以某种方式反转图像。但是由于我使用的是完整的hsv范围,而不仅仅是色调通道,因此我还没有找到更好的解决方案。
计算 hsv 范围内的像素的更有效实现是什么?我相信有人已经为这个问题提供了一个很好的解决方案。使用 openCV 函数还是重写算法?
您可以随时重写算法,这对于函数inRange
来说并不复杂。
另一种解决方案可能是在min[0]<=max[0]
时简单地使用 inRange
,否则执行以下操作:
-
使用
cv::split
切开图像{hchan,schan,vchan}
通道 -
将
inRange
应用于三个通道并获得掩码H,掩膜S,掩模V-
inRange(hchan,max[0],min[0],maskH)
-
inRange(schan,min[1],max[1],maskS)
-
inRange(vchan,min[2],max[2],maskV)
-
-
像这样重新组合三个面具
-
bitwise_and(maskS,maskV,rangeMask)
-
bitwise_not(maskH,maskH)
-
bitwise_and(maskH,rangeMask)
-
但我个人认为这是一种超调(而且效率也低于重写算法)。