C++ OpenCV怎么使用InRange对HSV颜色进行分割

# C++ OpenCV怎么使用InRange对HSV颜色进行分割 ## 一、HSV颜色空间简介 HSV（Hue-Saturation-Value）是一种更符合人类视觉感知的颜色模型，与RGB相比更适合颜色分割任务： - **H（色相）**：表示颜色类型，范围0-180（OpenCV中压缩为0-180） - **S（饱和度）**：颜色纯度，范围0-255 - **V（明度）**：颜色亮度，范围0-255 ```cpp // RGB转HSV示例 Mat bgrImage, hsvImage; cvtColor(bgrImage, hsvImage, COLOR_BGR2HSV); 

二、inRange函数原理

inRange()是OpenCV中进行颜色分割的核心函数：

void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst); 

• 对每个像素检查是否在[lowerb, upperb]范围内
• 满足条件的位置在dst中设置为255，否则为0
• 支持多通道图像（如HSV图像）

三、完整实现步骤

1. 环境准备

#include <opencv2/opencv.hpp> using namespace cv; 

2. 基础实现代码

int main() { // 读取图像 Mat image = imread("test.jpg"); if(image.empty()) return -1; // 转换到HSV空间 Mat hsvImage; cvtColor(image, hsvImage, COLOR_BGR2HSV); // 设置颜色范围（示例：提取红色） Scalar lower_red(0, 70, 50); Scalar upper_red(10, 255, 255); // 颜色分割 Mat mask; inRange(hsvImage, lower_red, upper_red, mask); // 显示结果 imshow("Original", image); imshow("Mask", mask); waitKey(0); return 0; } 

3. 多区间颜色处理

对于跨越HSV色相0值（如红色）的颜色：

// 处理红色（需要两个区间） Mat mask1, mask2; inRange(hsvImage, Scalar(0, 70, 50), Scalar(10, 255, 255), mask1); inRange(hsvImage, Scalar(170, 70, 50), Scalar(180, 255, 255), mask2); Mat mask = mask1 | mask2; 

四、参数调节技巧

1. 动态调节工具

建议创建轨迹条实时调试：

// 创建调节窗口 namedWindow("Trackbars"); createTrackbar("Hue Min", "Trackbars", &h_min, 179); // ...其他通道类似 // 在循环中实时更新 while(true) { Scalar lower(h_min, s_min, v_min); Scalar upper(h_max, s_max, v_max); inRange(hsvImage, lower, upper, mask); imshow("Mask", mask); if(waitKey(1) == 27) break; } 

2. 典型颜色HSV范围参考

颜色	H范围	S范围	V范围
红色	0-10, 160-180	100-255	50-255
绿色	35-85	50-255	50-255
蓝色	90-120	70-255	50-255
黄色	20-35	100-255	100-255

五、后处理优化

1. 形态学操作

// 去除噪声 Mat kernel = getStructuringElement(MORPH_RECT, Size(5,5)); morphologyEx(mask, mask, MORPH_OPEN, kernel); // 填充空洞 morphologyEx(mask, mask, MORPH_CLOSE, kernel); 

2. 轮廓处理

vector<vector<Point>> contours; findContours(mask, contours, RETR_EXTERNAL, CHN_APPROX_SIMPLE); for(size_t i=0; i<contours.size(); i++) { if(contourArea(contours[i]) > 500) { // 过滤小区域 drawContours(image, contours, i, Scalar(0,255,0), 2); } } 

六、实际应用案例

1. 交通标志识别

// 识别红色禁止标志 Scalar lower_red(0, 100, 100); Scalar upper_red(10, 255, 255); inRange(hsvImage, lower_red, upper_red, mask); 

2. 皮肤检测

// 皮肤颜色范围 Scalar lower_skin(0, 48, 80); Scalar upper_skin(20, 255, 255); inRange(hsvImage, lower_skin, upper_skin, mask); 

七、常见问题解决

1. 颜色检测不全：检查是否跨越HSV的0值，需要合并多个区间
2. 背景干扰：适当提高饱和度(S)和明度(V)的下限
3. 光照影响：在输入图像前先进行直方图均衡化
4. 性能优化：对视频处理时可先降低分辨率

八、完整示例代码

GitHub代码仓库链接

通过合理设置HSV范围和结合后处理，inRange可以高效实现复杂场景下的颜色分割任务。建议在实际项目中配合其他视觉算法共同使用。 “`