1. Toy模板网首页
  2. > Toy博客

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

10月前 作者：_(*^▽^*)_ 分类：Toy博客 阅读(39) 违法举报

这篇具有很好参考价值的文章主要介绍了树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

目录

试错

试错1：形态学处理

试错2：HSV色彩空间

基础理论

1、HSV与HSL色彩空间

2、PID调节

一、OpenCV图像处理

1、在HSL色彩空间下得到二值图

2、 对二值图形态学处理

3、找出线的轮廓和中心点坐标

二、PID

三、运动控制

总代码

试错

试错1：形态学处理

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

一开始用的形态学处理，自行改变阈值，调试之后，进行处理，发现效果不是太好，于是改成了HSV色彩空间。

试错2：HSV色彩空间

之前没注意到，HSV色彩空间很难识别白色：

HSV： 

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID) 不难看出，如果寻白色线的话，HSV色彩空间不是一个很好的选择，下面引入HSL色彩空间：

 HSL：

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

所以，如果是巡白色的话，建议用HSL色彩空间。

注意：巡线小车的摄像头不能太低，如果太低了，可能让小车自己的影子会阻碍光线。

hsv中的效果：

 树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

hsl中的效果：

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

可以看出，已经能大致找到白线了。

基础理论

1、HSV与HSL色彩空间

 HSV： 

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID) 不难看出，如果寻白色线的话，HSV色彩空间不是一个很好的选择，下面引入HSL色彩空间：

 HSL：

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

所以，如果是巡白色的话，建议用HSL色彩空间。

2、PID调节

个人理解：

P：拉力

I：推动力

D：阻力 

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

一、OpenCV图像处理

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

1、在HSL色彩空间下得到二值图

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

 树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

# 在HSV色彩空间下得到二值图
def Get_HSV(image):
    # 1 get trackbar's value
    hmin = cv2.getTrackbarPos('hmin', 'h_binary')
    hmax = cv2.getTrackbarPos('hmax', 'h_binary')
    smin = cv2.getTrackbarPos('smin', 's_binary')
    smax = cv2.getTrackbarPos('smax', 's_binary')
    lmin = cv2.getTrackbarPos('lmin', 'l_binary')
    lmax = cv2.getTrackbarPos('lmax', 'l_binary')

    # 2 to HSV
    hls = cv2.cvtColor(image, cv2.COLOR_BGR2HLS)
    cv2.imshow('hls', hls)
    h, l, s = cv2.split(hls)

    # 3 set threshold (binary image)
    # if value in (min, max):white; otherwise:black
    h_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))
    s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))
    l_binary = cv2.inRange(np.array(l), np.array(lmin), np.array(lmax))

    # 4 get binary（对H、S、V三个通道分别与操作）
    binary = 255 - cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, l_binary))

    # 5 Show
    cv2.imshow('h_binary', h_binary)
    cv2.imshow('s_binary', s_binary)
    cv2.imshow('l_binary', l_binary)
    cv2.imshow('binary', binary)

    return binary

2、 对二值图形态学处理

 树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

# 图像处理
def Image_Processing():
    global frame, binary
    # Capture the frames
    ret, frame = camera.read()

    # to binary
    binary = Get_HSV(frame)

    blur = cv2.GaussianBlur(binary, (5, 5), 0)
    cv2.imshow('blur', blur)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (35, 35))
    Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)
    cv2.imshow('Open', Open)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))
    Erode = cv2.morphologyEx(Open, cv2.MORPH_ERODE, kernel)
    cv2.imshow('Erode', Erode)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))
    Dilate = cv2.morphologyEx(Erode, cv2.MORPH_DILATE, kernel)
    cv2.imshow('Dilate', Dilate)

    binary = Erode#Dilate

3、找出线的轮廓和中心点坐标

 树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

 树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)

# 找线
def Find_Line():
    global x, y, image
    # 1 找出所有轮廓
    bin2, contours, hierarchy = cv2.findContours(binary, 1, cv2.CHAIN_APPROX_NONE)
    
    # 2 找出最大轮廓
    if len(contours) > 0:
        # 最大轮廓
        c = max(contours, key=cv2.contourArea)
        M = cv2.moments(c)

        # 中心点坐标
        x = int(M['m10'] / M['m00'])
        y = int(M['m01'] / M['m00'])
        #print(x, y)

        # 显示
        image = frame.copy()
        # 标出中心位置
        cv2.line(image, (x, 0), (x, 720), (0, 0, 255), 1)
        cv2.line(image, (0, y), (1280, y), (0, 0, 255), 1)
        # 画出轮廓
        cv2.drawContours(image, contours, -1, (128, 0, 128), 2)
        cv2.imshow("image", image)

    else:
        print("not found the line")

        (x,y) = (0, 0)

二、PID

def Pid():
    global turn_speed, x, y, speed
    global error, last_error, pre_error, out_pid

    error = abs(x - width / 2)

    out_pid = int(proportion * error - integral * last_error + derivative * pre_error)
    turn_speed = out_pid

    # 保存本次误差，以便下一次运算
    pre_error = last_error
    last_error = error

    # 限值
    if (turn_speed < 30):
        turn_speed = 30
    elif (turn_speed > 100):
        turn_speed = 100
    if (speed < 0):
        speed = 0
    elif (speed > 100):
        speed = 100

    print(error, out_pid, turn_speed, (x, y))

三、运动控制

# 巡线
def Follow_Line():
    global turn_speed, x, y,speed, back_speed
        
    '''if(x < width / 2 and y>2*height/3):
        Left(turn_speed)
    elif(x>3*width/2 and y>2*height/3):
        Right(turn_speed)'''
    if(0<x<width/4):
        Left(turn_speed)
        print("turn left")
    elif(3*width/4<x<width):
        Right(turn_speed)
        print("turn right")
    #直角拐弯
    elif(y>3*height/4):
        if(x<width/2):
            Left(turn_speed*2)
            print("turn left")
        elif(x>=width/2):
            Right(turn_speed*2)
            print("turn right")
    elif(x>=width/4 and x<=3*width/4):
        Forward(speed)
    
    elif(x==0 and y==0):
        Back(back_speed)

总代码

#!/usr/bin/env python2
# -*- coding: utf-8 -*-

import numpy as np
import cv2
import Adafruit_PCA9685
import RPi.GPIO as GPIO
import time

l_motor = 18
left_Forward = 22
left_back = 27

r_motor = 23
right_Forward = 25
right_back = 24

pwm_servo = Adafruit_PCA9685.PCA9685()

width, height = 160, 120
camera = cv2.VideoCapture(0)
camera.set(3, width)
camera.set(4, height)

# pid
error = 0  # 当前误差e[k]
last_error = 0  # 上一次误差e[k-1]
pre_error = 0  # 上上次误差e[k-2]
proportion = 1  # 比例系数3 0.2
integral = 0.5  # 积分系数1.2
derivative = 0  # 微分系数1.2

stop_flag = 1
control_flag = 1
turn_speed = 30
speed = 30
back_speed = 30


def Motor_Init():
    global L_Motor, R_Motor
    L_Motor = GPIO.PWM(l_motor, 100)
    R_Motor = GPIO.PWM(r_motor, 100)
    L_Motor.start(0)
    R_Motor.start(0)


def Direction_Init():
    GPIO.setup(left_back, GPIO.OUT)
    GPIO.setup(left_Forward, GPIO.OUT)
    GPIO.setup(l_motor, GPIO.OUT)

    GPIO.setup(right_Forward, GPIO.OUT)
    GPIO.setup(right_back, GPIO.OUT)
    GPIO.setup(r_motor, GPIO.OUT)


def set_servo_angle(channel, angle):
    angle = 4096 * ((angle * 11) + 500) / 20000
    pwm_servo.set_pwm_freq(50)  # frequency==50Hz (servo)
    pwm_servo.set_pwm(channel, 0, int(angle))


def TrackBar_Init():
    # 1 create windows
    cv2.namedWindow('h_binary')
    cv2.namedWindow('s_binary')
    cv2.namedWindow('l_binary')
    # 2 Create Trackbar
    cv2.createTrackbar('hmin', 'h_binary', 0, 179, call_back)
    cv2.createTrackbar('hmax', 'h_binary', 110, 179, call_back)
    cv2.createTrackbar('smin', 's_binary', 0, 255, call_back)
    cv2.createTrackbar('smax', 's_binary', 51, 255, call_back)  # 51
    cv2.createTrackbar('lmin', 'l_binary', 0, 255, call_back)
    cv2.createTrackbar('lmax', 'l_binary', 255, 255, call_back)
    '''cv2.namedWindow('binary')
    cv2.createTrackbar('thresh', 'binary', 154, 255, call_back)  '''
    #   创建滑动条     滑动条值名称 窗口名称   滑动条值 滑动条阈值 回调函数


def Init():
    GPIO.setwarnings(False)
    GPIO.setmode(GPIO.BCM)
    Direction_Init()
    Motor_Init()
    TrackBar_Init()


def Forward(turn_speed):
    L_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(left_Forward, 1)  # left_Forward
    GPIO.output(left_back, 0)  # left_back

    R_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(right_Forward, 1)  # right_Forward
    GPIO.output(right_back, 0)  # right_back


def Back(turn_speed):
    L_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(left_Forward, 0)  # left_Forward
    GPIO.output(left_back, 1)  # left_back

    R_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(right_Forward, 0)  # right_Forward
    GPIO.output(right_back, 1)  # right_back


def Left(turn_speed):
    L_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(left_Forward, 0)  # left_Forward
    GPIO.output(left_back, 1)  # left_back

    R_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(right_Forward, 1)  # right_Forward
    GPIO.output(right_back, 0)  # right_back


def Right(turn_speed):
    L_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(left_Forward, 1)  # left_Forward
    GPIO.output(left_back, 0)  # left_back

    R_Motor.ChangeDutyCycle(turn_speed)
    GPIO.output(right_Forward, 0)  # right_Forward
    GPIO.output(right_back, 1)  # right_back


def Stop():
    L_Motor.ChangeDutyCycle(0)
    GPIO.output(left_Forward, 0)  # left_Forward
    GPIO.output(left_back, 0)  # left_back

    R_Motor.ChangeDutyCycle(0)
    GPIO.output(right_Forward, 0)  # right_Forward
    GPIO.output(right_back, 0)  # right_back


# 回调函数
def call_back(*arg):
    pass


# 在HSV色彩空间下得到二值图
def Get_HSV(image):
    # 1 get trackbar's value
    hmin = cv2.getTrackbarPos('hmin', 'h_binary')
    hmax = cv2.getTrackbarPos('hmax', 'h_binary')
    smin = cv2.getTrackbarPos('smin', 's_binary')
    smax = cv2.getTrackbarPos('smax', 's_binary')
    lmin = cv2.getTrackbarPos('lmin', 'l_binary')
    lmax = cv2.getTrackbarPos('lmax', 'l_binary')

    # 2 to HSV
    hls = cv2.cvtColor(image, cv2.COLOR_BGR2HLS)
    cv2.imshow('hls', hls)
    h, l, s = cv2.split(hls)

    # 3 set threshold (binary image)
    # if value in (min, max):white; otherwise:black
    h_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))
    s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))
    l_binary = cv2.inRange(np.array(l), np.array(lmin), np.array(lmax))

    # 4 get binary（对H、S、V三个通道分别与操作）
    binary = 255 - cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, l_binary))

    # 5 Show
    cv2.imshow('h_binary', h_binary)
    cv2.imshow('s_binary', s_binary)
    cv2.imshow('l_binary', l_binary)
    cv2.imshow('binary', binary)

    return binary


# 手动控制小车（上下左右，案件事件判断）
# 控制方式：w、s、a、d分别表示：上、下、左、右
def Key_Control(keyboard):
    global stop_flag, control_flag
    if keyboard == ord("w"):
        Forward(50)
        time.sleep(0.1)
        Stop()
    elif keyboard == ord("s"):
        Back(50)
        time.sleep(0.1)
        Stop()
    elif keyboard == ord("a"):
        Left(50)
        time.sleep(0.1)
        Stop()
    elif keyboard == ord("d"):
        Right(50)
        time.sleep(0.1)
        Stop()


# 图像处理
def Image_Processing():
    global frame, binary
    # Capture the frames
    ret, frame = camera.read()

    # to binary
    binary = Get_HSV(frame)

    blur = cv2.GaussianBlur(binary, (5, 5), 0)
    cv2.imshow('blur', blur)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (35, 35))
    Open = cv2.morphologyEx(blur, cv2.MORPH_OPEN, kernel)
    cv2.imshow('Open', Open)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))
    Erode = cv2.morphologyEx(Open, cv2.MORPH_ERODE, kernel)
    cv2.imshow('Erode', Erode)

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25, 25))
    Dilate = cv2.morphologyEx(Erode, cv2.MORPH_DILATE, kernel)
    cv2.imshow('Dilate', Dilate)

    binary = Erode  # Dilate


# 找线
def Find_Line():
    global x, y, image
    # 1 找出所有轮廓
    bin2, contours, hierarchy = cv2.findContours(binary, 1, cv2.CHAIN_APPROX_NONE)

    # 2 找出最大轮廓
    if len(contours) > 0:
        # 最大轮廓
        c = max(contours, key=cv2.contourArea)
        M = cv2.moments(c)

        # 中心点坐标
        x = int(M['m10'] / M['m00'])
        y = int(M['m01'] / M['m00'])
        # print(x, y)

        # 显示
        image = frame.copy()
        # 标出中心位置
        cv2.line(image, (x, 0), (x, 720), (0, 0, 255), 1)
        cv2.line(image, (0, y), (1280, y), (0, 0, 255), 1)
        # 画出轮廓
        cv2.drawContours(image, contours, -1, (128, 0, 128), 2)
        cv2.imshow("image", image)

    else:
        print("not found the line")

        (x, y) = (0, 0)


def Pid():
    global turn_speed, x, y, speed
    global error, last_error, pre_error, out_pid

    error = abs(x - width / 2)

    out_pid = int(proportion * error - integral * last_error + derivative * pre_error)
    turn_speed = out_pid

    # 保存本次误差，以便下一次运算
    pre_error = last_error
    last_error = error

    # 限值
    if (turn_speed < 30):
        turn_speed = 30
    elif (turn_speed > 100):
        turn_speed = 100
    if (speed < 0):
        speed = 0
    elif (speed > 100):
        speed = 100

    print(error, out_pid, turn_speed, (x, y))


# 巡线
def Follow_Line():
    global turn_speed, x, y, speed, back_speed

    '''if(x < width / 2 and y>2*height/3):
        Left(turn_speed)
    elif(x>3*width/2 and y>2*height/3):
        Right(turn_speed)'''
    if (0 < x < width / 4):
        Left(turn_speed)
        print("turn left")
    elif (3 * width / 4 < x < width):
        Right(turn_speed)
        print("turn right")
    # 直角拐弯
    elif (y > 3 * height / 4):
        if (x < width / 2):
            Left(turn_speed * 2)
            print("turn left")
        elif (x >= width / 2):
            Right(turn_speed * 2)
            print("turn right")
    elif (x >= width / 4 and x <= 3 * width / 4):
        Forward(speed)

    elif (x == 0 and y == 0):
        Back(back_speed)


def Control():
    global control_flag, speed, proportion, integral
    keyboard = cv2.waitKey(1)
    # 加速减速
    if (keyboard == ord('k')):
        speed += 5
    elif (keyboard == ord('l')):
        speed -= 5
    print(speed)

    if keyboard == ord("n"):
        integral += 0.01
    elif keyboard == ord("m"):
        integral -= 0.01
    print(integral)

    if (control_flag == -1):
        Follow_Line()
        if keyboard == 32:
            control_flag *= -1
            Stop()

    else:
        Key_Control(keyboard)
        if keyboard == 32:
            control_flag *= -1
            Stop()

    print(control_flag)


if __name__ == '__main__':
    Init()
    set_servo_angle(4, 140)  # top servo     lengthwise
    # 0:back    180:front
    set_servo_angle(5, 90)  # bottom servo  crosswise
    # 0:left    180:right

    while True:
        Image_Processing()
        Find_Line()
        Pid()
        Control()
        if cv2.waitKey(1) == ord('q'):
            cv2.destroyAllWindows()
            break

 其实一开始主要是想玩机器视觉，小车的运动控制研究的不算精细，PID研究的也不深（甚至可能有误）。

有很多是自己的想法，有错误欢迎指正，有建议也欢迎交流，谢谢。文章来源地址https://www.toymoban.com/news/detail-440179.html

到了这里，关于树莓派视觉小车 -- OpenCV巡线(HSL色彩空间、PID)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • OpenCv色彩空间

    OpenCv色彩空间

    目录 一、RGB 二、图像处理入门 三、色彩空间的转换 在表示图像时，有多种不同的颜色模型，但最常见的是红、绿、蓝(RGB) 模型RGB 模型是一种加法颜色模型，其中原色 (在RGB模型中，原色是红色 R、绿色 G 和蓝色 B)混合在一起就可以用来表示广泛的颜色范围。 每个原色(R,G,

    2024年02月16日
    浏览(39)
  • OpenCV 02(色彩空间)

    OpenCV 02(色彩空间)

    最常见的 色彩空间 就是RGB, 人眼也是基于RGB的色彩空间去分辨颜色的. OpenCV 默认使用的是BGR . BGR和RGB色彩空间的区别在于图片在色彩通道上的排列顺序不同. 显示图片的时候需要注意适配图片的色彩空间和显示环境的色彩空间.比如传入的图片是BGR色彩空间, 显示环境是RBG空间

    2024年02月09日
    浏览(44)
  • opencv 图像色彩空间转化

    opencv 图像色彩空间转化

    今天看了b站贾志刚的课，觉得不错，特地做学习笔记来和小伙伴分享 贾志刚的这个好像是2.0版本,30小时的,语言更加精炼,适合初级入门学习 第一节是常规安装   看他的步骤装就行了,记得配置完点应用再点确定,我第一次就是 没点然后就失败了,又得重配置一次 第二节就是基

    2024年02月22日
    浏览(46)
  • opencv-18 什么是色彩空间？

    opencv-18 什么是色彩空间？

    色彩空间类型，也称为颜色空间类型或色彩模型，是一种表示图像中颜色的方式。在计算机图形学和数字图像处理中，有许多种色彩空间类型，每种类型有不同的表达方式和特点。 常见的色彩空间类型包括： RGB (Red, Green, Blue)： RGB 是最常见和广泛使用的色彩空间类型。它使

    2024年02月15日
    浏览(39)
  • 毕业设计 基于树莓派的AI视觉机械臂小车

    毕业设计 基于树莓派的AI视觉机械臂小车

    🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。 为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天

    2023年04月17日
    浏览(32)

  • OpenCV中的一些色彩空间转换

    在 OpenCV 中，cv2.COLOR_ 用于表示颜色空间转换的常量。这些常量定义了不同的颜色空间转换代码，可以在图像处理中使用。 以下是一些常用的 cv2.COLOR_ 常量： cv2.COLOR_BGR2GRAY：将 BGR 彩色图像转换为灰度图像。 cv2.COLOR_BGR2RGB：将 BGR 彩色图像转换为 RGB 彩色图像。 cv2.COLOR_BGR2HSV：

    2024年02月08日
    浏览(39)
  • 我在Vscode学OpenCV 色彩空间转换

    我在Vscode学OpenCV 色彩空间转换

    即是颜色，一种人体视觉系统对光的反射的 不同波长 的感知的结果。人们又对不同的波长范围的电磁波定义可视光的“颜色”。 在日常生活、美术课中，通过把（红黄蓝）三种颜色成为”认为是能够混合得到其他所有颜色的颜料。 而对于光学，就把（红绿蓝 RGB ）三基色【

    2024年02月05日
    浏览(44)
  • C++opencv 色彩空间转换和保存

    C++opencv 色彩空间转换和保存

    1.imwrite()函数       用于输出图像到文件 imwrite()格式： bool imwrite(const string filename, InputArray img, const vectorint params=vectorint()) 参数说明： 第一个参数：const string类型的filename，指写入的文件名。需要带上后缀，如“123.jpg”。 第二个参数：InputArray类型的img，一个mat类型的图像数

    2024年02月08日
    浏览(44)
  • OpenCV 4基础篇| 色彩空间类型转换

    OpenCV 4基础篇| 色彩空间类型转换

    RGB 图像是一种比较常见的色彩空间类型，除此之外，比较常见的还有以下类型： GRAY 色彩空间（即灰度图像） 、 XYZ 色彩空间 、 YCrCb 色彩空间 、 HSV 色彩空间 、 HLS 色彩空间 、 CIELab 色彩空间 、 CIELuv 色彩空间 等，这些不同的色彩空间，是根据不同角度进行定义的，比如从

    2024年02月21日
    浏览(38)
  • OpenCV 中的色彩空间 (C++ / Python)

    OpenCV 中的色彩空间 (C++ / Python)

    在本教程中，我们将了解计算机视觉中使用的流行色彩空间，并将其用于基于颜色的分割。我们还将分享 C++ 和 Python 的演示代码。

    2024年02月12日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包