玩opencv時(shí)候，肯定會(huì)接觸色彩空間。最常用的是RGB色彩空間，用0~255表示每個(gè)通道。

攝影投效里有個(gè)技術(shù)，叫做藍(lán)幕，也有綠幕。后期把藍(lán)色區(qū)域扣掉，然后換成別的背景。

在上圖中，細(xì)心的小伙伴會(huì)發(fā)現(xiàn)，實(shí)際這個(gè)藍(lán)色并不一定是純藍(lán)（0,0,255）

有腦洞大的小朋友想到了一個(gè)方法，只提取藍(lán)色通道，然后把值接近255的都扣掉。

但是有個(gè)問(wèn)題，這樣會(huì)扣到高光區(qū)域（RGB三個(gè)值都很高的區(qū)域）

另外，如果這個(gè)藍(lán)色偏亮偏暗或偏綠，或者攝像機(jī)有偏色，用（0,0,255）這個(gè)參數(shù)當(dāng)特征來(lái)匹配是很困難的事。

這兒我給大家推薦一個(gè)好用的色彩空間，叫HSV色彩空間。

H是個(gè)色相參數(shù)，用0到360度表示了顏色。

S是個(gè)色彩鮮艷度的參數(shù)，越大顏色越鮮艷，越小顏色越灰。S有個(gè)通俗的名字，叫飽和度。

V是個(gè)亮度參數(shù)，越小越黑

RGB到HSV色彩空間的轉(zhuǎn)換代碼如下：

float rgb2h(int B, int G, int R)

{

float H;

int max = max(max(R, G), B);

int min = min(min(R, G), B);

if (R == max)

H = (G - B)*60.0 / (max - min);

if (G == max)

H = 120+(B - R)*60.0 / (max - min);

if (B == max)

H = 240+(R - G)*60.0 / (max - min);

if (H < 0)H = H + 360;

return H;

}

我們先找一張色彩分布的圖來(lái)試驗(yàn)一下?lián)笀D

藍(lán)色附近的區(qū)域就是H在240度附近。下面我們寫(xiě)個(gè)小程序把240度正負(fù)50度的區(qū)域摳掉。

void mytest()

{

Mat frame_t = imread("a3.jpg", CV_LOAD_IMAGE_UNCHANGED);

int WW, HH;//圖像寬度和高度 單位:像素

HH = frame_t.rows;WW = frame_t.cols;int row2, col2;//循環(huán)時(shí)候計(jì)數(shù)第幾行和第幾列的

for (row2 = 0; row2 < HH; row2++)

{

for (col2 = 0; col2 < WW; col2++)

{

if (fabsf(rgb2h(frame_t.at(row2, col2)[0], frame_t.at(row2, col2)[1], frame_t.at(row2, col2)[2]) - cut)<5)

{

frame_t.at(row2, col2)[0] = 0;

frame_t.at(row2, col2)[1] = 0;

frame_t.at(row2, col2)[2] = 0;

}

}

}

imshow("hsvcut", frame_t);

}

運(yùn)行效果如圖

在上圖中，我們發(fā)現(xiàn)這個(gè)算法可以準(zhǔn)確地扣出藍(lán)色區(qū)域，而且即使藍(lán)色亮一點(diǎn)暗一點(diǎn)或是灰一點(diǎn)鮮艷一點(diǎn)，也沒(méi)有影響。

接下來(lái)，我們找兩個(gè)圖片來(lái)?yè)笀D和合成圖像。

首先是藍(lán)幕原圖

然后是背景

我們來(lái)寫(xiě)一下?lián)赋{(lán)色部分以后與背景疊加的代碼

Mat frame_orig;//采集的原始圖像

frame_orig = imread("my2.jpg", CV_LOAD_IMAGE_UNCHANGED);

Mat frame_back;//采集的原始圖像

frame_back = imread("my1.jpg", CV_LOAD_IMAGE_UNCHANGED);

imshow("orig", frame_orig);

imshow("back", frame_back);

Mat frame_c;//測(cè)試圖像

frame_c = frame_orig;

int W, H;//圖像寬度和高度 單位:像素

H = frame_orig.rows;

W = frame_orig.cols;

int row, col;//循環(huán)時(shí)候計(jì)數(shù)第幾行和第幾列的

for (row = 0; row < H; row++)

{

for (col = 0; col < W; col++)

{

if (fabsf(rgb2h(frame_orig.at(row, col)[0], frame_orig.at(row, col)[1], frame_orig.at(row, col)[2])-cut)

{

frame_c.at(row, col)[0] = frame_back.at(row, col)[0];

frame_c.at(row, col)[1] = frame_back.at(row, col)[1];

frame_c.at(row, col)[2] = frame_back.at(row, col)[2];

}

}

}

imshow("MyPic", frame_c);

合成以后的圖像見(jiàn)下圖右下。

接下來(lái)，我們?cè)贀Q個(gè)圖片做一次。為了讓圖片增加些戲劇效果，我找來(lái)了一個(gè)熱氣球的藍(lán)幕原圖和一段樹(shù)枝的背景。

藍(lán)幕原圖

背景

最后合成的圖像見(jiàn)下圖右上。

這種基于OpenCV的藍(lán)幕摳圖算法可以自動(dòng)地對(duì)每一幀圖像進(jìn)行處理和合成，特別適合用于視頻的實(shí)時(shí)摳圖，也許可以用在自動(dòng)換背景等應(yīng)用上。