基于HSV空间的彩色图像分割技术

1. 引言

每当我们看到图像时，它通常都是由各种元素和目标组成的。在某些情况下，我们可能会想要从图像中提取某个特定的对象，大家会怎么做？首先我们会想到的是进行crop相关的操作，这在某种程度上是可行的，但是这通常也会有一些不相关的像素会被包括在内，我确信大多情况下我们不希望这样。事实上，我们可以使用图像处理技术来获得感兴趣的物体。

闲话少说，我们直接使用Python来进行图像分割。

2. 图像分割概念

图像分割是指将图像划分为其组成部分或子对象的过程。常见的技术包括边缘检测、阈值处理、基于区域的分割等。在本文中，让我们专注于通过HSV颜色空间使用彩色图像分割来分割我们的图像。

在此之前，我们需要安装以下库，然后再进行相关的操作。

from skimage.io import imread, imshow
from skimage.color import rgb2hsv
from matplotlib.pyplot as plt

同时我们使用的测试图像如下：
在这里插入图片描述

3. HSV颜色空间

我们的目标是通过HSV颜色空间来分割每个bag袋子。但是要怎么做呢？一般来说，HSV代表色调、饱和度和亮度，我们稍后将在分割图像时使用来自HSV颜色空间的信息。

但在分割过程之前，让我们首先通过以下代码将RGB图像转换为HSV的形式：

bags_hsv = rgb2hsv(bags)
fig, ax = plt.subplots(1, 3, figsize=(12,4))
ax[0].imshow(bags_hsv[:,:,0], cmap='gray')
ax[0].set_title('Hue')
ax[1].imshow(bags_hsv[:,:,1], cmap='gray')
ax[1].set_title('Saturation')
ax[2].imshow(bags_hsv[:,:,2], cmap='gray')
ax[2].set_title('Value');

结果如下：
在这里插入图片描述
然而，上述灰度图对我们目前还没有太多的帮助。我们需要获得每个HSV通道的强度值，以帮助指导我们稍后进行分割。为此，通过实现以下代码创建了一个彩色条：

fig, ax = plt.subplots(1, 3, figsize=(15, 5))
ax[0].imshow(bags_hsv[:,:,0],cmap='hsv')
ax[0].set_title('hue')
ax[1].imshow(bags_hsv[:,:,1],cmap='hsv')
ax[1].set_title('transparency')
ax[2].imshow(bags_hsv[:,:,2],cmap='hsv')
ax[2].set_title('value')
fig.colorbar(imshow(bags_hsv[:,:,0],cmap='hsv')) 
fig.tight_layout()

结果如下：
在这里插入图片描述

4. 挑选阈值

哇！看到右边的彩色条了吗？我们将在分割bag时参考这一点。在实现代码之前，让我们首先设置掩码的阈值：

下蒙版（参考色调通道）
上蒙版（参考色调通道）
饱和度遮罩（指透明度通道）

在选择阈值时，请注意查看彩色条。例如，如果我们正在分割蓝色袋子。合适的下掩模值和上掩模值将分别为0.6和0.7。因此，换句话说，它只会得到蓝色像素值，而忽略其余的值。

5. 分割蓝色目标

基于上述分析，我们来使用以下代码对蓝色bag袋进行分割，代码如下：

#refer to hue channel (in the colorbar)
lower_mask = bags_hsv[:,:,0] > 0.6 
#refer to hue channel (in the colorbar)
upper_mask = bags_hsv[:,:,0] < 0.7 
#refer to transparency channel (in the colorbar)
saturation_mask = bags_hsv[:,:,1] > 0.3 mask = upper_mask*lower_mask*saturation_mask
red = bags[:,:,0]*mask
green = bags[:,:,1]*mask
blue = bags[:,:,2]*mask
bags_masked = np.dstack((red,green,blue))
imshow(bags_masked)

结果如下：
在这里插入图片描述
哇，是不是看上去很完美！

6. 分割黄色目标

有了上述经验，我们接着来分割黄色目标，只需要修改对应的掩码即可，代码如下：

#refer to hue channel (in the colorbar)
lower_mask = bags_hsv[:,:,0] > 0.1
#refer to hue channel (in the colorbar)
upper_mask = bags_hsv[:,:,0] < 0.2
#refer to transparency channel (in the colorbar)
saturation_mask = bags_hsv[:,:,1] > 0.6 mask = upper_mask*lower_mask*saturation_mask
red = bags[:,:,0]*mask
green = bags[:,:,1]*mask
blue = bags[:,:,2]*mask
bags_masked = np.dstack((red,green,blue))
imshow(bags_masked)

结果如下：
在这里插入图片描述

7. 分割橙色目标

更进一步，我们修改阈值来分割橙色目标，代码如下：

#refer to hue channel (in the colorbar)
lower_mask = bags_hsv[:,:,0] > 0.0
#refer to hue channel (in the colorbar)
upper_mask = bags_hsv[:,:,0] < 0.09
#refer to transparency channel (in the colorbar)
saturation_mask = bags_hsv[:,:,1] > 0.4 mask = upper_mask*lower_mask*saturation_mask
red = bags[:,:,0]*mask
green = bags[:,:,1]*mask
blue = bags[:,:,2]*mask
bags_masked = np.dstack((red,green,blue))
imshow(bags_masked)

结果如下：
在这里插入图片描述

8. 分割绿色目标

最后，我们修改阈值来分割剩下的绿色目标，代码如下：

#refer to hue channel (in the colorbar)
lower_mask = bags_hsv[:,:,0] > 0.0
#refer to hue channel (in the colorbar)
upper_mask = bags_hsv[:,:,0] < 0.09
#refer to transparency channel (in the colorbar)
saturation_mask = bags_hsv[:,:,1] > 0.4 mask = upper_mask*lower_mask*saturation_mask
red = bags[:,:,0]*mask
green = bags[:,:,1]*mask
blue = bags[:,:,2]*mask
bags_masked = np.dstack((red,green,blue))
imshow(bags_masked)