cv2.inrange函數的詳解

一、cv2.inrange概述

cv2.inrange是OpenCV（Python版）的函數庫中常用的一個函數，該函數可以幫助開發者實現指定範圍內的顏色選擇，也就是在圖像處理中對指定區域的像素進行篩選。這個函數能快速的對圖像的顏色、亮度等進行篩選輸出符合要求的像素值集合，而且比較易於使用，常用於圖像的前處理工作中，如目標顏色檢測等，對於圖像的關鍵顏色分離，該函數也是非常有用的。

二、cv2.inrange函數的調用方法

調用cv2.inrange函數時，我們需要注意幾個重要的參數，我們來看看下面的代碼：

import cv2
import numpy as np

image = cv2.imread('test.jpg')
lower = np.array([0, 0, 0]) # 下界
upper = np.array([255, 255, 255]) # 上界
mask = cv2.inRange(image, lower, upper) # 通過對比原圖和上下界值，返回一個二值化的掩碼圖像
output = cv2.bitwise_and(image, image, mask=mask) # 通過 mask 將指定區域像素變成黑色
cv2.imshow('Output', output)

cv2.waitKey(0)

以上代碼需要更改 lower 和 upper 參數值分別代表顏色的下限和上限，經過處理後的圖像區域顏色會在這個範圍內，而變成白色，不在範圍內的顏色區域會變成黑色。

三、cv2.inrange的兩個返回變數

在上例中，cv2.inRange函數返回了兩個變數， mask 表示一個二值化的掩模圖像， output表示經過 mask 處理後的新圖像。

mask的作用是，通過對比原圖和上下界值，返回一個二值化的掩碼圖像，該圖像的黑白分界線就是上下界設定的閾值，這個閾值包括兩種狀態，滿足（黑色）和不滿足（白色）。當然，這個匹配的條件是由我們自己設定的，所以不同的條件下得到的圖像也是有所不同的。

output函數是在原始圖片基礎上組合mask因素之後得到的新圖像。在這個新圖像中，只有指定範圍內的顏色部分才能保留下來，不在指定範圍內的部分則被變成黑色。output函數的一項重要作用主要用於遮擋，當我們只需要用到某個圖上的特定部分時，可以使用output函數將不需要的部分遮擋住(即變成黑色)，從而分離出需要的部分，用於之後的處理。

四、cv2.inrange函數的應用實例

下面我們可以通過一些實例來更好地理解cv2.inrange函數的具體應用：

1、顏色區間選取

假設我們有一張圖片，圖片中有藍色的球和綠色的球。我們想要取出只有藍球，將綠球去掉，可以通過以下代碼實現：

import cv2
import numpy as np

# 讀取圖片
image = cv2.imread('test1.jpg')

# 將圖像從BGR空間轉換成HSV空間
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 設定藍色的閾值
lower_blue = np.array([110, 50, 50])
upper_blue = np.array([130, 255, 255])

# 設定綠色的閾值
# 在 HSV 中，綠色的範圍是 60-120
lower_green = np.array([40, 50, 50])
upper_green = np.array([70, 255, 255])

# 設定藍色和綠色的掩碼
blue_mask = cv2.inRange(hsv, lower_blue, upper_blue)
green_mask = cv2.inRange(hsv, lower_green, upper_green)

# 對圖像進行掩模和反掩模計算
res_blue = cv2.bitwise_and(image, image, mask=blue_mask)
res_green = cv2.bitwise_and(image, image, mask=green_mask)
res_or = cv2.bitwise_or(res_blue, res_green)

cv2.imshow('blue', res_blue)
cv2.imshow('green', res_green)
cv2.imshow('or', res_or)
cv2.waitKey(0)

當我們對這張圖像和以上代碼進行處理時，綠色的部分會被過濾掉，而藍色的部分則保留下來。

2、圖片二值化

我們可以使用cv2.inrange函數將原圖像轉換成二值圖像，利用一些其它的方式能更好地處理圖像的亮度和顏色等信息，當然二值化也是一種通用的圖像處理方法。

import cv2
import numpy as np

image = cv2.imread('test2.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 設定圖片閾值
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 使用cv2.inRange轉換成顏色閾值
lower = np.array([0])
upper = np.array([50])
mask = cv2.inRange(thresh, lower, upper)

# 應用mask
res = cv2.bitwise_and(image, image, mask=mask)

cv2.imshow('gray', gray)
cv2.imshow('thresh', thresh)
cv2.imshow('mask', mask)
cv2.imshow('res', res)
cv2.waitKey(0)

在這個例子中，我們將原圖片轉化為灰度圖並進行二值化。通過cv2.inRange函數，我們將特定的部分分割出來，然後處理。

五、總結

通過以上的分析，我們可以看到cv2.inrange函數在圖像處理過程中的重要性。通過對上下界的設定，我們可以應用cv2.inrange函數快速準確地選擇需要的區域，這對於初學者和有經驗的開發者來說都是可以實現的。出於對圖像處理技術的研究，本次講解了cv2.inrange函數，相信讀者在實踐中也可以舉一反三，應用到自己的項目中。