OpenCV颜色过滤实战：提取红色区域与去除固定背景

月亮慢半拍

发布时间：2026-10-14 | 4人浏览过

原创

本文详解如何利用OpenCV将图像转换至HSV空间以精准提取红色刻度，通过遍历像素并设定H、S、V阈值实现红色区域保留。同时补充了基于固定颜色背景去除的算法思路与代码，通过计算像素与背景色的离差，将匹配背景设为透明，适用于图像去底场景。

OpenCV提取图像红色区域

如图所示，本次任务的目标是从图像中识别并提取卷尺的红色刻度，因此需要对图像进行颜色过滤处理，仅保留红色部分。

起初考虑直接通过RGB值来界定红色区域，但发现确定红色在RGB空间中的取值范围较为困难。因此，更有效的策略是将图像转换到HSV色彩空间中进行处理。

在OpenCV中，可以直接调用cvCvtColor函数完成色彩空间转换。

IplImage* hsv = cvCreateImage( cvGetSize(image), 8, 3 );

cvCvtColor(image,hsv,CV_BGR2HSV);

在OpenCV中，H（色相）的取值范围是0~180。红色的H值大致分布在(0~8)和(160,180)两个区间。S（饱和度）通常需大于某个阈值，若S过低则呈现灰色（参考值S>80）。V（亮度）过低表现为黑色，过高则为白色（参考值50<V<220）。

接下来的步骤是遍历图像，获取每个像素点的H、S、V分量，进行条件判断：满足红色区域条件的像素予以保留，不满足条件的像素则赋值为黑色。

此处使用OpenCV中的IplImage结构体来存储图像数据。

IplImage获取像素点数据的方法如下：

CvScalar s_hsv = cvGet2D(hsv, j, i);//获取坐标为（i, j）的像素点的HSV值，其中i代表宽度方向，j代表高度方向

IplImage对像素点进行赋值的方法如下：

CvScalar s;

cvSet2D(hsv, j ,i, s);//对坐标(i,j)处的像素点进行赋值

分别提取H、S、V分量时需注意，由于图像是从BGR转换为HSV，因此s.val[0]对应H值（原B值），s.val[1]对应S值（原G值），s.val[2]对应V值（原R值）。

鉴于使用者偏好使用CvMat，输入参数已调整为CvMat类型。其中inputImage为待过滤的源图像，outputImage为输出图像。由于outputImage在函数内部会进行内存申请与赋值，因此在调用函数时可直接将其设为NULL。

需注意，本实验针对彩色图像进行。若传入的图片不是3通道的彩色图像，程序将引发内存错误。

以下打开或创建图片的方式均为单通道模式，直接运行会导致内存错误。


IplImage *input = cvLoadImage(path, 0)，
CvMat* M = cvCreateMat(4,4,CV_32FC1); //或是8UC1， 因为C1表示nChannel = 1,也就是单通道

void colorFilter(CvMat *inputImage, CvMat *&outputImage)
{
 int i, j;
 IplImage* image = cvCreateImage(cvGetSize(inputImage), 8, 3);
 cvGetImage(inputImage, image); 
 IplImage* hsv = cvCreateImage( cvGetSize(image), 8, 3 ); 
 
 cvCvtColor(image,hsv,CV_BGR2HSV);
 int width = hsv->width;
 int height = hsv->height;
 for (i = 0; i < height; i++)
 for (j = 0; j < width; j++)
 {
 CvScalar s_hsv = cvGet2D(hsv, i, j);//获取像素点为（j, i）点的HSV的值 
 /*
 opencv 的H范围是0~180，红色的H范围大概是(0~8)∪(160,180) 
 S是饱和度，一般是大于一个值,S过低就是灰色（参考值S>80)，
 V是亮度，过低就是黑色，过高就是白色(参考值220>V>50)。
 */
 CvScalar s;
 if (!(((s_hsv.val[0]>0)&&(s_hsv.val[0]<8)) || (s_hsv.val[0]>120)&&(s_hsv.val[0]<180)))
 {
 s.val[0] =0;
 s.val[1]=0;
 s.val[2]=0;
 cvSet2D(hsv, i ,j, s);
 }
 
 }
 outputImage = cvCreateMat( hsv->height, hsv->width, CV_8UC3 );
 cvConvert(hsv, outputImage);
 cvNamedWindow("filter");
 cvShowImage("filter", hsv);
 waitKey(0);
 cvReleaseImage(&hsv);
}

关于该函数的另一个说明：H分量的筛选范围设定为(0,8)和(120,180)，而S与V分量未做额外筛选。若按照代码注释中的条件进行严格筛选，处理效果并不理想。

处理结果如图所示：

OpenCV去除固定颜色背景

补充知识：利用OpenCV实现图像单一颜色背景的去除。

思路分析

由于背景颜色固定，很容易通过颜色筛选将背景分离，并将其设置为白色且完全透明。

代码实现


#coding=utf-8
import cv2 as cv
bg_color = [197, 102, 6]
threshold = 3000

def calc_diff(pixel):
'''
计算pixel与背景的离差平方和，作为当前像素点与背景相似程度的度量
'''
  return (pixel[0]-bg_color[0])**2 + (pixel[1]-bg_color[1])**2 + (pixel[2]-bg_color[2])**2

def remove_bg():
  image_path = './logo.png'
  logo = cv.imread(image_path)
  logo = cv.cvtColor(logo, cv.COLOR_BGR2BGRA) #将图像转成带透明通道的BGRA格式
  h, w = logo.shape[0:2]
  for i in range(h):
    for j in range(w):
      if calc_diff(logo[i][j]) < threshold:
      #若果logo[i][j]为背景，将其颜色设为白色，且完全透明
        logo[i][j][0] = 255
        logo[i][j][1] = 255
        logo[i][j][2] = 255
        logo[i][j][3] = 0
 
  cv.imwrite("./logo_rmbg.png", logo)
        
if __name__ == '__main__':
  remove_bg()

使用方法说明

需修改第5行的bg_color参数为图片背景色的BGR值，以及第6行的threshold阈值（threshold值越大，被覆盖处理的像素范围越广）。

处理效果：