自适应二值化与形态学变换在图像颜色识别与替换中的应用解析

目录

• 前言
• 一、自适应二值化
• 1.1 取均值 ADAPTIVE_THRESH_MEAN_C
• 1.2 高斯加权求和 ADAPTIVE_THRESH_GAUSSIAN_C
• 1.2.1 一维高斯分布
• 1.2.2 二维高速分布
• 1.2.3 二维高斯分布权重计算规则 
• 1.2.3.1 用户设置了σ
• 1.2.3.2 用户没有设置σ
• 1.3 代码
• 二、形态学变换
• 2.1 核 
• 2.2 腐蚀
• 2.3 膨胀
• 2.4 代码 
• 三、图片颜色识别 
• 3.1 RGB颜色空间
• 3.2 HSV颜色空间
•  3.3 色彩空间转换
• 3.4 制作掩膜
• 3.5 与运算
• 3.6 代码 
• 四、图片颜色的替换
• 4.1 开运算
• 4.2 颜色替换
• 2. 代码
• 五、练习集群
• 5.1  练习1
• 5.2  练习2
• 5.3 练习3
• 5.4 练习4
• 5.5 练习5 
• 5.6 练习6 
• 总结

前言

书接上文

从像素到二值化：OpenCV图像处理实战入门指南-CSDN博客文章浏览阅读557次，点赞13次，收藏10次。本文通过OpenCV库实战解析机器视觉核心概念，从像素本质、三维矩阵存储原理切入，结合棋盘格绘制与通道拆分实验揭示计算机眼中的图像逻辑，重点探讨灰度化三大算法（加权平均/最大值/平均值）及六种二值化方法（阈值法/反阈值法/截断阈值法/零处理/OTSU算法），通过Python代码演示图像处理全流程，帮助读者快速掌握图像特征提取核心技能，提升工程实践能力。https://blog.csdn.net/qq_58364361/article/details/146798890?fromshare=blogdetail&sharetype=blogdetail&sharerId=146798890&sharerefer=PC&sharesource=qq_58364361&sharefrom=from_link

1.2 高斯加权求和 ADAPTIVE_THRESH_GAUSSIAN_C

1.2.3 二维高斯分布权重计算规则 

# 导入必要的库
import cv2               # OpenCV库，提供图像处理功能（版本需>3.0）
import numpy as np       # 数值计算库，用于处理矩阵运算
import matplotlib.pyplot as plt  # 绘图库，用于图像可视化（建议使用%matplotlib inline在Notebook中显示）# 定义图像显示函数
def show_image(image, name):"""图像显示工具函数（存在潜在问题需注意）参数：image: 输入图像（需为BGR或Grayscale格式）name : 显示图像的标题"""# 设置中文字体显示（仅在安装了中文字体的系统中有效）plt.rcParams['font.sans-serif'] = ['SimHei']       # 设置中文字体（Windows系统有效）plt.rcParams['axes.unicode_minus'] = False         # 解决负号显示为方块的问题# 注意：当传入单通道图像时，此转换会报错！# 解决方法：在显示灰度/二值图像前添加条件判断if len(image.shape) == 3:  # 仅当为三通道图像时进行转换image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)else:image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度图转RGB用于显示# 创建图像窗口plt.imshow(image)plt.title(name)     # 设置标题（依赖中文字体设置）plt.axis('off')     # 隐藏坐标轴# 主程序入口
if __name__ == '__main__':# 文件路径设置（建议使用os.path处理路径，增强跨平台兼容性）path = "image.jpg"  # 输入图像路径（需确保文件存在）# 读取原始图像（返回值检查建议：if image_np is None: 处理错误）image_np = cv2.imread(path)  # 默认读取为BGR格式的uint8数组# 创建1行2列的子图布局（121表示1行2列第1个位置）plt.figure(figsize=(10,5))  # 建议设置画布大小plt.subplot(121)show_image(image_np, "原始图像")  # 显示原始图像# 转换为灰度图像（可选方法：cv2.COLOR_BGR2GRAY）image_np_h = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)  # 输出为单通道矩阵# 自适应阈值处理（高斯加权法）"""参数详解：src：输入灰度图像（必须单通道）maxValue：满足阈值时设置的最大值（通常设为255）adaptiveMethod：ADAPTIVE_THRESH_MEAN_C：邻域均值法ADAPTIVE_THRESH_GAUSSIAN_C：高斯加权法（效果更好但更耗时）thresholdType：THRESH_BINARY： 二值化（白字黑底）THRESH_BINARY_INV：反二值化（黑底白字）blockSize：邻域大小（必须奇数，值越大背景噪点越少但细节丢失越多）C：从均值/加权均值中减去的常数（用于微调阈值）"""image_np_adaptive = cv2.adaptiveThreshold(image_np_h,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,77,  # 建议根据图像尺寸调整（典型值11-101）4    # 根据图像对比度调整（典型值2-10）)# 保存处理结果（建议检查保存是否成功）cv2.imwrite("demo_adaptive.jpg", image_np_adaptive)  # 默认保存为单通道图像# 显示处理结果（需要处理单通道图像的显示问题）plt.subplot(122)show_image(image_np_adaptive, "自适应阈值")  # 当前版本已修复显示问题# 显示所有图像（在脚本中需要调用，Notebook中可能自动显示）plt.tight_layout()  # 添加自动调整布局plt.show()

2.1 核 

2.4 代码 

# 导入OpenCV计算机视觉库、numpy数学计算库和matplotlib绘图库
import cv2
import numpy as np
import matplotlib.pyplot as plt# 自定义图像显示函数（假设在别处已定义）
def show_image(img, title):"""将BGR格式图像转换为RGB格式并显示"""img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) if len(img.shape)==3 else imgplt.imshow(img_rgb, cmap='gray')plt.title(title)plt.axis('off')if __name__ == '__main__':# 图像路径（注意：实际使用时需要确保文件存在）path = "image_2.jpg"# 使用OpenCV读取图像，默认BGR格式image = cv2.imread(path)# 创建1x3的子图画布布局，激活第一个位置plt.subplot(131)# 显示原始BGR图像（show_image会做BGR到RGB的转换）show_image(image, "原始图像")# 将彩色图像转换为灰度图像image_h = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 使用Otsu自动阈值算法进行图像二值化# 参数说明：# 127：初始阈值（Otsu会自动覆盖这个值）# 255：最大值（超过阈值的像素设为白色）# THRESH_BINARY + THRESH_OTSU：组合使用二进制阈值和Otsu算法ret, image2 = cv2.threshold(image_h, 127, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)# 在第二个位置显示二值化结果plt.subplot(132)show_image(image2, "二值化图像")# 创建5x5矩形结构元素（用于形态学操作）kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))# 执行腐蚀操作（消除细小噪声，分离相邻物体）# 腐蚀原理：用结构元素扫描图像，取邻域内最小值image_fs = cv2.erode(image2, kernel)# 在第三个位置显示腐蚀后的图像plt.subplot(133)show_image(image_fs, "腐蚀图像")# 显示所有子图plt.show()

三、图片颜色识别 

 3.3 色彩空间转换

3.4 制作掩膜

 掩膜通常是一个二值化图像，并且与原图相同大小，其中目标区域被设置为1（白色），而其他区域设置为0（黑色），目标区域可以根据HSV的参数修改，上左图中就是制作红色掩膜的过程。

3.6 代码 

import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像，可以是灰度图或彩色图name: 图像显示的标题"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示问题if len(image.shape) == 3:  # 如果是彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 如果是灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)    # 设置标题plt.axis('off')    # 关闭坐标轴if __name__ == '__main__':path = "sansequan.jpg"  # 图像路径image = cv2.imread(path)  # 读取图像hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)  # 将图像从BGR颜色空间转换到HSV颜色空间# 制作掩膜(同时识别黄色和青色)# 定义黄色的HSV范围yellow_low = np.array([26, 43, 46])    # 黄色下限yellow_high = np.array([34, 255, 255]) # 黄色上限# 制作黄色掩膜mask1 = cv2.inRange(hsv_image, yellow_low, yellow_high)  # 根据阈值创建黄色掩膜# 定义青色的HSV范围cyan_low = np.array([78, 43, 46])     # 青色下限cyan_high = np.array([99, 255, 255])   # 青色上限mask2 = cv2.inRange(hsv_image, cyan_low, cyan_high)  # 根据阈值创建青色掩膜# 合并黄色和青色掩膜mask = cv2.bitwise_or(mask1, mask2)  # 对两个掩膜进行或运算# 通过掩膜提取原图中的目标颜色区域res = cv2.bitwise_and(image, image, mask=mask)  # 按位与运算# 显示图像plt.figure(figsize=(8, 8), dpi=300)  # 创建画布plt.subplot(131)  # 1行3列第1个子图show_image(image, "原图")  # 显示原图plt.subplot(132)  # 1行3列第2个子图show_image(mask, "掩膜")   # 显示掩膜plt.subplot(133)  # 1行3列第3个子图show_image(res, "结果")    # 显示结果

四、图片颜色的替换

import cv2
import numpy as np
import matplotlib.pyplot as pltpath = "sigequan.jpg"
image = cv2.imread(path)
plt.figure(figsize=(8, 8), dpi=300)
plt.subplot(141)
show_image(image, "原图")
#hsv
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
# 制作红色掩膜
red_low = np.array([0, 43, 46])    # 红色下限
red_high = np.array([10, 255, 255]) # 红色上限
mask1 = cv2.inRange(hsv_image, red_low, red_high)  # 根据阈值创建红色掩膜
red_low = np.array([156, 43, 46])    # 红色下限
red_high = np.array([180, 255, 255]) # 红色上限
mask2 = cv2.inRange(hsv_image, red_low, red_high)  # 根据阈值创建红色掩膜
mask = cv2.bitwise_or(mask1, mask2)  # 对两个掩膜进行或运算
#展示一下掩膜
plt.subplot(142)
show_image(mask, "红色掩膜")
#开运算
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))  # 创建矩形结构元素
mask_opened = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)  # 开运算
plt.subplot(143)
show_image(mask_opened, "红色掩膜开运算")
plt.show()
#颜色替换
#遍历掩膜像素
for i in range(mask_opened.shape[0]):for j in range(mask_opened.shape[1]):if mask_opened[i,j] == 255:#修改原图颜色image[i,j] = (255,0,0)
#展示图片
show_image(image, "原图")
plt.show()

五、练习集群

5.1  练习1

墙上的贴纸用白色显示，墙用黑色显示，要求效果尽量好。

import cv2
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴if __name__ == '__main__':path = "image.jpg"  # 图像路径image_np = cv2.imread(path)  # 读取图像plt.figure(figsize=(10,10),dpi=300)  # 创建画布plt.subplot(121)  # 子图1show_image(image_np, "原始图像")  # 显示原始图像# 图像处理部分image_np_h = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)  # 转为灰度图image_np_adaptive = cv2.adaptiveThreshold(image_np_h,  # 输入灰度图像255,  # 输出最大值cv2.ADAPTIVE_THRESH_GAUSSIAN_C,  # 自适应方法(高斯加权)cv2.THRESH_BINARY_INV,  # 二值化类型(反二值化)77,  # 邻域大小4  # 常数C)cv2.imwrite("demo_adaptive.jpg", image_np_adaptive)  # 保存结果plt.subplot(122)  # 子图2show_image(image_np_adaptive, "自适应阈值")  # 显示处理结果plt.tight_layout()  # 调整子图间距plt.show()  # 显示图像

5.2  练习2

import cv2
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴if __name__ == '__main__':path = "yaohe.jpg"  # 图像路径image_np = cv2.imread(path)  # 读取图像plt.figure(figsize=(10,10),dpi=300)  # 创建画布plt.subplot(121)  # 子图1show_image(image_np, "原始图像")  # 显示原始图像# 图像处理部分image_np_h = cv2.cvtColor(image_np, cv2.COLOR_BGR2GRAY)  # 转为灰度图image_np_adaptive = cv2.adaptiveThreshold(image_np_h,  # 输入灰度图像255,  # 输出最大值cv2.ADAPTIVE_THRESH_GAUSSIAN_C,  # 自适应方法(高斯加权)cv2.THRESH_BINARY,  # 二值化类型(反二值化)999,  # 邻域大小120  # 常数C)kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))  # 创建椭圆结构元素#膨胀image_np_dilate = cv2.dilate(image_np_adaptive, kernel)  # 膨胀操作kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))  # 创建更小的椭圆结构元素#腐蚀image_np_erode = cv2.erode(image_np_dilate, kernel)  # 第一次腐蚀image_np_erode = cv2.erode(image_np_erode, kernel)  # 第二次腐蚀image_np_erode = cv2.erode(image_np_erode, kernel)  # 第三次腐蚀plt.subplot(122)  # 子图2show_image(image_np_erode, "腐蚀")  # 显示腐蚀后的图像plt.show()  # 显示图像

5.3 练习3

#%%
import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴if __name__ == '__main__':path = "caihong.jpg"  # 图像路径image_np = cv2.imread(path)  # 读取图像plt.figure(dpi=300)  # 创建画布plt.subplot(241)  # 子图1show_image(image_np, "原始图像")#转换色彩空间image_np_hsv = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)  # 转为HSV图#制作掩膜#橙色掩膜o_low = np.array([11, 43, 46])  # 橙色下限o_high = np.array([25, 255, 255])  # 橙色上限mask = cv2.inRange(image_np_hsv, o_low, o_high)  # 掩膜1plt.subplot(242)show_image(mask, "橙色掩膜")#制作蓝色掩膜blue_low = np.array([110, 43, 46])  # 蓝色下限blue_high = np.array([124, 255, 255])  # 蓝色上限mask_blue = cv2.inRange(image_np_hsv, blue_low, blue_high)  # 掩膜1#开运算kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))  # 创建椭圆结构元素mask_blue = cv2.morphologyEx(mask_blue, cv2.MORPH_OPEN, kernel)  # 开运算plt.subplot(243)show_image(mask_blue, "蓝色掩膜")mask = mask + mask_blue  # 掩膜相加plt.subplot(244)show_image(mask, "掩膜")ret = cv2.bitwise_and(image_np, image_np, mask=mask)  # 掩膜与原图相乘plt.subplot(245)show_image(ret, "最终图像")plt.show()  # 显示图像

5.4 练习4

 把百事可乐的配色改为可口可乐风格

import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴if __name__ == '__main__':path = "kele.jpg"image = cv2.imread(path)plt.figure(dpi=300)plt.subplot(131)show_image(image, "原始图像")#图像处理部分image_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)  # 转为HSV图#制作蓝色掩膜blue_low = np.array([90, 110, 110])  # 蓝色下限blue_high = np.array([120, 255, 255])  # 蓝色上限mask_blue = cv2.inRange(image_hsv, blue_low, blue_high)  # 掩膜1plt.subplot(132)show_image(mask_blue, "蓝色掩膜")for i in range(mask_blue.shape[0]):for j in range(mask_blue.shape[1]):if mask_blue[i][j] == 255:image[i][j] = [32, 45, 159]  # 将蓝色区域变为红色plt.subplot(133)show_image(image, "红色图像")plt.show()  # 显示图像

5.5 练习5 

 把越和幸运都换成蓝色，让墙变得更白

import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴path = "image.jpg"
image = cv2.imread(path)  # 读取图像
plt.figure(dpi=300)  # 创建画布，设置DPI
plt.subplot(331)  # 创建3x3子图，位置1
show_image(image, "原始图像")  # 显示原始图像# 图像处理部分
image_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)  # 转为HSV色彩空间# 制作黑色掩膜
black_low = np.array([0, 0, 0])  # 黑色HSV下限
black_high = np.array([180, 255, 80])  # 黑色HSV上限
mask_black = cv2.inRange(image_hsv, black_low, black_high)  # 生成黑色区域掩膜# 制作蓝色掩膜
blue_low = np.array([90, 110, 110])  # 蓝色HSV下限
blue_high = np.array([120, 255, 255])  # 蓝色HSV上限
mask_blue = cv2.inRange(image_hsv, blue_low, blue_high)  # 生成蓝色区域掩膜# 制作黄色掩膜
yellow_low = np.array([15, 80, 0])  # 黄色HSV下限
yellow_high = np.array([40, 255, 255])  # 黄色HSV上限
mask_yellow = cv2.inRange(image_hsv, yellow_low, yellow_high)  # 生成黄色区域掩膜
plt.subplot(332)  # 子图位置2
show_image(mask_yellow, "黄色掩膜")  # 显示黄色掩膜# 制作红色掩膜
red_low = np.array([0, 50, 0])  # 红色HSV下限(低色调范围)
red_high = np.array([15, 255, 255])  # 红色HSV上限
red_mask = cv2.inRange(image_hsv, red_low, red_high)  # 生成红色区域掩膜(低色调)
red_low = np.array([150, 50, 0])  # 红色HSV下限(高色调范围)
red_high = np.array([200, 255, 255])  # 红色HSV上限
red_mask = red_mask + cv2.inRange(image_hsv, red_low, red_high)  # 合并高低色调红色掩膜
plt.subplot(333)  # 子图位置3
show_image(red_mask, "红色掩膜")  # 显示红色掩膜mask = mask_yellow + red_mask  # 合并黄色和红色掩膜
plt.subplot(334)  # 子图位置4
show_image(mask, "黄红组合掩膜")  # 显示组合掩膜# 把区域改成蓝色
for i in range(mask.shape[0]):  # 遍历图像高度for j in range(mask.shape[1]):  # 遍历图像宽度if mask[i][j] == 255:  # 如果是掩膜区域image[i][j] = (149,86,24)  # 修改为蓝色(BGR格式)
plt.subplot(335)  # 子图位置5
show_image(image, "转变字体颜色")  # 显示颜色修改后的图像mask = mask_blue + mask_yellow + red_mask + mask_black  # 合并所有颜色掩膜
plt.subplot(336)  # 子图位置6
show_image(mask, "完整掩膜")  # 显示完整掩膜# 掩膜取反
mask = 255 - mask  # 对掩膜取反
plt.subplot(337)  # 子图位置7
show_image(mask, "掩膜取反")  # 显示取反后的掩膜for i in range(mask.shape[0]):  # 遍历图像高度for j in range(mask.shape[1]):  # 遍历图像宽度if mask[i][j] == 255:  # 如果是掩膜区域image[i][j] = (255,255,255)  # 修改为白色(BGR格式)
plt.subplot(338)  # 子图位置8
show_image(image, "最终图像")  # 显示最终处理结果
plt.show()  # 显示图像

5.6 练习6 

import cv2
import numpy as np
import matplotlib.pyplot as pltdef show_image(image, name):"""显示图像Args:image: 输入图像(numpy数组)name: 图像标题(str)"""plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题if len(image.shape) == 3:  # 彩色图像image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # BGR转RGBelse:  # 灰度图像image = cv2.cvtColor(image, cv2.COLOR_GRAY2RGB)  # 灰度转RGBplt.imshow(image)  # 显示图像plt.title(name)  # 设置标题plt.axis('off')  # 关闭坐标轴path = "quzao.jpg"
image = cv2.imread(path)  # 读取图像
image_fuben = image
plt.figure(dpi=300)  # 创建画布，设置DPI
plt.subplot(231)  # 创建2x3子图，位置1
show_image(image, "原始图像")  # 显示原始图像
# 图像处理部分
image_hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)  # 转为HSV色彩空间
image_hsv_fuben = cv2.cvtColor(image_fuben, cv2.COLOR_BGR2HSV)  # 转为HSV色彩空间
# 制作黄色掩膜
yellow_low = np.array([15, 80, 0])  # 黄色HSV下限
yellow_high = np.array([40, 255, 255])  # 黄色HSV上限
mask_yellow = cv2.inRange(image_hsv, yellow_low, yellow_high)  # 生成黄色区域掩膜
#制作红色掩膜
red_low = np.array([0, 50, 0])  # 红色HSV下限(低色调范围)
red_high = np.array([15, 255, 255])  # 红色HSV上限
red_mask = cv2.inRange(image_hsv, red_low, red_high)  # 生成红色区域掩膜(低色调)
red_low = np.array([150, 50, 0])  # 红色HSV下限(高色调范围)
red_high = np.array([200, 255, 255])  # 红色HSV上限
red_mask = red_mask + cv2.inRange(image_hsv, red_low, red_high)  # 合并高低色调红色掩膜
#制作绿色掩膜
green_low = np.array([35, 43, 46])  # 绿色HSV下限
green_high = np.array([77, 255, 255])  # 绿色HSV上限
mask_green = cv2.inRange(image_hsv, green_low, green_high)  # 生成绿色区域掩膜
#制作蓝色掩膜
blue_low = np.array([90, 110, 110])  # 蓝色HSV下限
blue_high = np.array([120, 255, 255])  # 蓝色HSV上限
mask_blue = cv2.inRange(image_hsv, blue_low, blue_high)  # 生成蓝色区域掩膜
#制作总掩膜
mask = mask_yellow + red_mask + mask_green + mask_blue  # 合并所有颜色掩膜
plt.subplot(232)  # 子图位置2
show_image(mask, "颜色掩膜")  # 显示颜色掩膜
#开运算
kernel = np.ones((5, 5), np.uint8)  # 定义卷积核
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)  # 开运算
# 掩膜取反
mask = 255 - mask  # 对掩膜取反
for i in range(mask.shape[0]):  # 遍历图像高度for j in range(mask.shape[1]):  # 遍历图像宽度if mask[i][j] == 255:  # 如果是掩膜区域image[i][j] = (255,255,255)  # 修改为白色(BGR格式)
#制作黑色掩膜
black_low = np.array([0, 0, 0])  # 黑色HSV下限
black_high = np.array([180, 254, 254])  # 黑色HSV上限
mask_black = cv2.inRange(image_fuben, black_low, black_high)  # 生成黑色区域掩膜
#膨胀
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (2,2))
mask_black = cv2.dilate(mask_black, kernel)  # 膨胀
for i in range(mask_black.shape[0]):  # 遍历图像高度for j in range(mask_black.shape[1]):  # 遍历图像宽度if mask_black[i][j] == 255:  # 如果是黑色区域image[i][j] = (187,157,137)  # 修改为黑色(BGR格式)
plt.subplot(233)  # 子图位置3
show_image(image, "最终图像")  # 显示最终处理结果
plt.show()  # 显示图像

总结

        本文深入探讨图像处理中自适应二值化、形态学变换及颜色操作的核心技术。自适应二值化通过动态计算像素阈值，有效解决明暗不均图像的前景分离问题，其均值与高斯加权方法可灵活调整细节保留与噪声控制。形态学变换通过腐蚀、膨胀及开运算优化二值图像结构，消除噪声并增强目标特征。基于HSV颜色空间的掩膜技术结合位运算实现精准颜色识别，通过颜色范围定义与开运算优化掩膜后，完成特定颜色区域的像素替换。文中结合代码实例，展示了从二值化处理到颜色替换的全流程，为复杂场景下的图像分析提供实用解决方案。