目录

一、不说废话，先上现象 

二、前言

三、方法详解

四、贴出完整代码

---

一、不说废话，先上现象 

二、前言

对图像的处理中，设置合适的掩膜、寻找多边形、颜色追踪等方法都需要预先设置好颜色的上阈值和下阈值，来从原图中分割出我们需要的部分。

然而，opencv并没有像openmv那样方便的阈值编辑器对原图进行处理，所以本文提供一个方便的方法，可以同时处理彩图RGB、HSV、灰度值的阈值。

三、方法详解

cv2.createTrackbar('Low R', 'RGB Threshold', 0, 255, lambda x: None)

1. 第一个参数 ('Low R'): 这是滑动条的名称，它将显示在滑动条旁边，以便用户知道这个滑动条是用来调整什么的。在这个例子中，'Low R' 表示这是一个用于调整红色通道的最低阈值的滑动条。

2. 第二个参数 ('RGB Threshold'): 这是滑动条将要被放置的窗口的名称。在这个例子中，滑动条将被放置在名为 'RGB Threshold' 的窗口中。

3. 第三个参数 (0): 这是滑动条的初始位置。在这个例子中，滑动条从 0 开始。

4. 第四个参数 (255): 这是滑动条的最大值。在这个例子中，滑动条的范围是从 0 到 255，这通常用于表示颜色值，因为颜色通道（如红色、绿色和蓝色）的值通常在 0 到 255 之间。

5. 第五个参数 (lambda x: None): 这是一个回调函数，它在滑动条的值改变时被调用。在这个例子中，回调函数是一个空操作（lambda x: None），这意味着当滑动条的值改变时，不会执行任何操作。通常，你可以在这里放置一个函数调用来处理滑动条值的变化，例如重新计算图像的阈值或更新显示的图像。

lR = cv2.getTrackbarPos('Low R', 'RGB Threshold')

1. 第一个参数 ('Low R'): 这是你想要获取当前位置的滑动条的名称。在这个例子中，'Low R' 指的是红色通道的最低阈值滑动条。

2. 第二个参数 ('RGB Threshold'): 这是包含该滑动条的窗口的名称。这个参数确保你能够从正确的窗口中获取滑动条的位置。在这个例子中，'RGB Threshold' 是包含名为 'Low R' 的滑动条的窗口。

函数 cv2.getTrackbarPos 会返回一个整数，表示指定滑动条的当前位置。这个值可以在程序中用于根据用户的输入调整图像处理参数，例如，根据滑动条的位置来调整颜色阈值。

四、贴出完整代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('test.png')
cv2.imshow('image', image)

#cv2.cvtColor 操作在循环外完成,否则CPU占用率会很高
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 创建窗口
cv2.namedWindow('image')
cv2.namedWindow('RGB Threshold')
cv2.namedWindow('HSV Threshold')
cv2.namedWindow('Grayscale Threshold')

# 创建轨道条（滑块）
cv2.createTrackbar('Low R', 'RGB Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High R', 'RGB Threshold', 255, 255, lambda x: None)
cv2.createTrackbar('Low G', 'RGB Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High G', 'RGB Threshold', 255, 255, lambda x: None)
cv2.createTrackbar('Low B', 'RGB Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High B', 'RGB Threshold', 255, 255, lambda x: None)

cv2.createTrackbar('Low H', 'HSV Threshold', 0, 179, lambda x: None)  # HSV色调范围是0-179
cv2.createTrackbar('High H', 'HSV Threshold', 179, 179, lambda x: None)
cv2.createTrackbar('Low S', 'HSV Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High S', 'HSV Threshold', 255, 255, lambda x: None)
cv2.createTrackbar('Low V', 'HSV Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High V', 'HSV Threshold', 255, 255, lambda x: None)

cv2.createTrackbar('Low Gray', 'Grayscale Threshold', 0, 255, lambda x: None)
cv2.createTrackbar('High Gray', 'Grayscale Threshold', 255, 255, lambda x: None)

while True:
    # 读取滑轨的值
    lR = cv2.getTrackbarPos('Low R', 'RGB Threshold')
    hR = cv2.getTrackbarPos('High R', 'RGB Threshold')
    lG = cv2.getTrackbarPos('Low G', 'RGB Threshold')
    hG = cv2.getTrackbarPos('High G', 'RGB Threshold')
    lB = cv2.getTrackbarPos('Low B', 'RGB Threshold')
    hB = cv2.getTrackbarPos('High B', 'RGB Threshold')

    lH = cv2.getTrackbarPos('Low H', 'HSV Threshold')
    hH = cv2.getTrackbarPos('High H', 'HSV Threshold')
    lS = cv2.getTrackbarPos('Low S', 'HSV Threshold')
    hS = cv2.getTrackbarPos('High S', 'HSV Threshold')
    lV = cv2.getTrackbarPos('Low V', 'HSV Threshold')
    hV = cv2.getTrackbarPos('High V', 'HSV Threshold')

    lGray = cv2.getTrackbarPos('Low Gray', 'Grayscale Threshold')
    hGray = cv2.getTrackbarPos('High Gray', 'Grayscale Threshold')

    # 应用阈值
    lower_rgb = np.array([lB, lG, lR])
    upper_rgb = np.array([hB, hG, hR])
    mask_rgb = cv2.inRange(image, lower_rgb, upper_rgb)

    lower_hsv = np.array([lH, lS, lV])
    upper_hsv = np.array([hH, hS, hV])
    
    mask_hsv = cv2.inRange(hsv, lower_hsv, upper_hsv)

    mask_gray = cv2.inRange(gray, lGray, hGray)

    # 显示结果
    cv2.imshow('RGB Threshold', mask_rgb)
    cv2.imshow('HSV Threshold', mask_hsv)
    cv2.imshow('Grayscale Threshold', mask_gray)    

    # 按 'q' 退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

持续更新中……