点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
在滤波、变换、缩放等任务中，图像分割具有重要的意义。图像分割是将不同的对象划分为不同的部分，并将这些区域以明显的颜色或者记号标记出来。图像分割是使用轮廓、边界框等概念进行其他高级计算机视觉任务（例如对象分类和对象检测）的基础。良好的图像分割为我们后续的图像分类以及检测奠定了基础。
在本文里，我们将介绍基于颜色的图像分割，并通过OpenCV将其实现。小伙伴可能会问，当我们拥有像Caffe和Keras这样的工具时，为什么要使用拥有21年历史的OpenCV库。与Caffe和Keras等现代SOTA DL方法相比，OpenCV虽然在准确性方面有一些落后，但是运行速度相较于上述方法具有得天独厚的优势。即使使用最著名的神经网络框架之一的YOLOv3进行对象检测时，其运行速度也是不尽如人意的。此外，Darknet使用OpenMP（应用程序编程接口）进行编译的时间几乎是OpenCV的18倍。这更加说明了使用OpenCV的速度是比较快速的。
在OpenCV和Darknet上进行YOLOv3培训时CPU性能颜色分割可用于检测身体肿瘤、从森林或海洋背景中提取野生动物的图像，或者从单一的背景图像中提取其他彩色物体。下面几幅图是图像分割的几个典型示例。：从以上示例中可以看出，尽管OpenCV是一种更快的方法，但是它对于图像的分割结果并不是非常的理想，有时会出现分割误差或者错误分割的情况接下来我们将介绍如何通过OpenCV对图像进行颜色的分割。这里我们有一张含有鸟的图片，我们的目标是通过颜色分割尝试从图片中提取这只鸟。import cv2 as cvimport matplotlib.pyplot as pltfrom PILimport Image!wget -nv https:img = Image.open('./bird.png')
接下来我们使用滤波器对该图像进行预处理，对图像进行模糊操作，以减少图像中的细微差异。在OpenCV中提供了4个内置的滤波器，以满足用户对图像进行不同滤波的需求。这4种滤波器的使用方式在下面的代码中给出。但是，针对于本文中需要分割的图像，我们并不需要将4种滤波器都使用。blur = cv.blur(img,(5,5))blur0=cv.medianBlur(blur,5)blur1= cv.GaussianBlur(blur0,(5,5),0)blur2= cv.bilateralFilter(blur1,9,75,75)
如果小伙伴对图像滤波感兴趣，可以在这里进行了解https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_filtering/py_filtering，这里再做过多的介绍。接下来我们需要将图像从BGR（蓝绿色红色）转换为HSV（色相饱和度值）。为什么我们要从BGR空间中转到HSV空间中？因为像素B，G和R的取值与落在物体上的光相关，因此这些值也彼此相关，无法准确描述像素。相反，HSV空间中，三者相对独立，可以准确描述像素的亮度，饱和度和色度。hsv = cv.cvtColor(blur2, cv.COLOR_BGR2HSV)
这个操作看似很小，但当我们尝试找到要提取的阈值或像素范围时，它会使我们的工作变得更加简单。
接下来是“颜色分割”的最重要一步，即“阈值分割”。这里我们将确定要提取的所有像素的阈值。使用OpenCV进行颜色分割中最重要步骤——阈值分割，这可能是一个相当繁琐的任务。即使我们可能想到通过使用颜色选择器工具来了解像素值，但是仍然需要进行不断的尝试，以便在所有像素中获取期望的像素，有些时候这也可能是一项艰巨的任务。具体操作如下：low_blue = np.array([55, 0, 0])high_blue = np.array([118, 255, 255])mask = cv.inRange(hsv, low_blue, high_blue)
上面代码中最后一行的“Mask”将所有不在描述对象范围内的其他像素进行覆盖。程序运行结果如下图所示：接下来，运行最后的代码以显示由Mask作为边界的图像。所使用的代码和程序运行结果在下面给出：res = cv.bitwise_and(img,img, mask= mask)
那么通过上面的方式，我们就实现了基于颜色的图像分割，感兴趣的小伙伴们可以通过上面的代码和步骤进行尝试，看看能否满足自己的图像分割需求。下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
