利用OpenCV进行图像特征提取：颜色与形状分析

白榆

发布时间：2026-10-16 | 4人浏览过

原创

本文介绍如何使用OpenCV从图像中提取颜色和形状特征。通过转换至HSV、LAB、YCrCb等色彩空间，利用cv2.inRange进行颜色屏蔽，并结合cv2.findContours提取形状轮廓。内容涵盖色彩空间原理及具体代码实现，帮助开发者掌握基础特征提取技术。

图像处理

图像处理的核心在于从原始图像中提取关键信息，在有效减少数据量的同时，保留能够描述图像特征的像素数据。

接下来将介绍从图像中提取颜色、形状及纹理特征的具体方法。

1. 颜色特征提取

在处理图像项目时，色彩空间通常是首要分析对象，其中RGB色彩空间最为常用。利用OpenCV，我们可以将图像从RGB空间转换为HSV、LAB、灰度、YCrCb或CMYK等其他色彩空间，以便更好地进行特征分析。

a. HSV（色相、饱和度、明度）色彩空间

色调（H）：描述颜色的主波长，用于指定具体的颜色通道。
饱和度（S）：描述颜色的纯度或色调的强度。
明度（V）：描述颜色的亮度或强度。

import cv2
from google.colab.patches import cv2_imshow

image = cv2.imread(image_file)
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2_imshow(hsv_image)

下图展示了RGB与HSV色彩空间的对比关系。

b. LAB色彩空间

L分量：描述颜色的亮度，通常与强度互换使用。
A分量：表示颜色成分范围，涵盖从绿色到品红色的变化。
B分量：表示颜色成分范围，涵盖从蓝色到黄色的变化。

import cv2
from google.colab.patches import cv2_imshow

image = cv2.imread(image_file)
lab_image = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
cv2_imshow(lab_image)

下图展示了RGB与LAB色彩空间的可视化效果。

c. YCrCb色彩空间

Y分量：表示从RGB色彩空间经过伽马校正后获得的亮度信息。
Cr分量：描述红色（R）分量与亮度之间的差异。
Cb分量：描述蓝色（B）分量与亮度之间的差异。

import cv2
from google.colab.patches import cv2_imshow

image = cv2.imread(image_file)
ycrcb_image = cv2.cvtColor(image, cv2.COLOR_BGR2YCrCb)
cv2_imshow(ycrcb_image)

下图展示了RGB与YCrCb色彩空间的对比。

在识别或探索了多种图像色彩空间，并确定仅对特定通道感兴趣后，可以使用cv2.inRange()函数屏蔽不需要的像素。这一方法在HSV色彩空间中尤为实用，能够有效分离目标颜色。

import cv2
from google.colab.patches import cv2_imshow

# Reading the original image
image_spot = cv2.imread(image_file)
cv2_imshow(image_spot)

# Converting it to HSV color space
hsv_image_spot = cv2.cvtColor(image_spot, cv2.COLOR_BGR2HSV)
cv2_imshow(hsv_image_spot)

# Setting the black pixel mask and perform bitwise_and to get only the black pixels
mask = cv2.inRange(hsv_image_spot, (0, 0, 0), (180, 255, 40))
masked = cv2.bitwise_and(hsv_image_spot, hsv_image_spot, mask=mask)
cv2_imshow(masked)

上图展示了使用cv2.inRange()函数在RGB、HSV及掩膜图像中检索黑点的效果。