基於HSV顏色的ROI區域提取

過程：

1. 得到影象中想要提取ROI的HSV範圍
2. 通過HSV範圍得到二值影象，在範圍內的值變為255，不在的是0
3. 在二值影象中找連通區域，即ROI

程式碼

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from skimage import measure
import matplotlib.pyplot as plt

def hsv_mask(image, lower_color, upper_color, kernel_size):
    lower = np.array(lower_color, np.uint8)
    upper = np.array(upper_color, np.uint8)
    # 得到二值影象，在lower~upper範圍內的值為255，不在的值為0
 

    mask = cv2.inRange(image, lower, upper)
    # 進行腐蝕和膨脹
    if kernel_size:
        kernel=cv2.getStructuringElement(cv2.MORPH_RECT, kernel_size)
        dilated = cv2.dilate(mask, kernel)
        eroded = cv2.erode(dilated, kernel) 
        return eroded
    else:
        return mask

if __name__ == '__main__'
 
:
    im= cv2.imread('book.jpg')
    # 模糊，消除噪聲
    blur_image = cv2.GaussianBlur(im, (5, 5), 0)
    # 轉換HSV顏色空間 
    hsv_image = cv2.cvtColor(blur_image, cv2.COLOR_BGR2HSV)

    # 藍色區域的HSV值範圍
    hsv_low = [105, 80, 80]
    hsv_high = [125, 180, 140]

    # 通過設定的範圍，去除不要的區域
    kernel_size = (20,20)
    img = hsv_mask(hsv_image, hsv_low, hsv_high, kernel_size)

    # 找連通域
 

    labels = measure.label(img, connectivity=2)
    pro = measure.regionprops(labels)

    # 畫矩形框
    fig, ax = plt.subplots()
    im = im[:, :, (2, 1, 0)]
    ax.imshow(im, aspect='equal')
    for region in pro:
        box = region.bbox    
        ax.add_patch(
                plt.Rectangle((box[1], box[0]),
                            box[3] - box[1],
                            box[2] - box[0], fill=False,
                            edgecolor='red', linewidth=2)
            )
    # 去除座標
    plt.axis('off')

    #dpi是設定清晰度的，大於300就很清晰了
    plt.savefig('result.png', dpi=300)

注意：

1. ax，plt畫圖的x對應影象中的列數，y對應的是行數
2. 用plt畫圖，顯示和儲存下來的圖片，四周是有邊框的，是可以去掉的
3. 找連通域

labels = measure.label(img, connectivity=2)
pro = measure.regionprops(labels)

connectivity=2表示8鄰接，1是4鄰接。pro是list型別，每個region有很多屬性，需要可以自己去查。
例如：bbox是邊界外接框，area是區域內的畫素個數，centroid是區域中心座標等等，可以通過這些屬性過濾掉一些區域。