首先参考以下博文将图片读取为RGB矩阵

https://blog.csdn.net/u012421101/article/details/116798509

之后将RGB转为HSV

def rgb2hsv(r, g, b):r, g, b = r/255.0, g/255.0, b/255.0mx = max(r, g, b)mn = min(r, g, b)m = mx-mnif mx == mn:h = 0elif mx == r:if g >= b:h = ((g-b)/m)*60else:h = ((g-b)/m)*60 + 360elif mx == g:h = ((b-r)/m)*60 + 120elif mx == b:h = ((r-g)/m)*60 + 240if mx == 0:s = 0else:s = m/mxv = mxH = h / 2S = s * 255.0V = v * 255.0return H, S, V

查看判断表格

设定颜色判断公式(此处仅判断黄色和绿色)

def yellow(H, S, V):if(H>=26 and H<=34 and S>=43 and S<=255 and V>=46 and V<=255):return Truedef green(H, S, V):if(H>=35 and H<=77 and S>=43 and S<=255 and V>=46 and V<=255):return True

判断实例

提取像素点代码

from typing import Sized
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
import math
import random
import timeplt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False   #这两行需要手动设置'''首先读取图片的RGB特征值,读取结果为三维矩阵形式
'''
L_path='train/B/Rock/4-2.jpg'
L_image=Image.open(L_path)
out = L_image.convert("RGB")
dataset=np.array(out)'''绘制原始图片
'''
fig = plt.figure()
ax = fig.add_subplot(1,2,1)
plt.imshow(dataset)
ax.set_title("原始图")size = dataset.shape
print(size)
count = 0'''黄色与绿色荧光点将会设置为黑色其它颜色设置白色
'''
for i in range(size[0]):for j in range(size[1]):temp0,temp1,temp2 = rgb2hsv(dataset[i,j,0],dataset[i,j,1],dataset[i,j,2])#颜色转化if(green(temp0,temp1,temp2)):#设置为黑色count = count + 1 dataset[i,j,0] = 0dataset[i,j,1] = 0dataset[i,j,2] = 0elif (yellow(temp0,temp1,temp2)):#判定为黄色count = count + 1 dataset[i,j,0] = 0dataset[i,j,1] = 0dataset[i,j,2] = 0else:dataset[i,j,0] = 255dataset[i,j,1] = 255dataset[i,j,2] = 255print(count)'''绘制提取图
'''
ax = fig.add_subplot(1,2,2)
plt.imshow(dataset)
string = str(count/(size[0]*size[1]))
ax.set_title("荧光点提取图\n"+string)
plt.show()

结果下如图:

Python实战HSV颜色模型——提取像素点并判断像素点颜色相关推荐

  1. python 靶心_手把手教你使用Python实战反欺诈模型|原理+代码

    原标题:手把手教你使用Python实战反欺诈模型|原理+代码 作者 | 萝卜 来源 | 早起Python(ID: zaoqi-python) 本文将基于不平衡数据,使用Python进行 反欺诈模型数据 ...

  2. Python 实战多元线性回归模型,附带原理+代码

    作者 | 萝卜 来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一个案例,尽管如此,里面还是有许多值得学习和注意的地方.其中多 ...

  3. 原理+代码|手把手教你使用Python实战反欺诈模型

    三本点击上方"早起Python",关注并"星标" 每日接收Python干货! 本文含 6192 字,15 图表截屏 建议阅读 20分钟 本文将基于不平衡数据,使 ...

  4. 【python】从Excel中提取数据并判断该数据是否含有特定的关键词

    第一次在CSDN发布文章,初衷是为了记录的同时希望能帮到有需要的人与大家共同学习,不足之处还请大佬们多多指教,感谢~ 参考链接有:[python]提取excel中的某一列数据_allan2222的博客 ...

  5. python多元线性回归模型案例_Python 实战多元线性回归模型,附带原理+代码

    原标题:Python 实战多元线性回归模型,附带原理+代码 作者 | 萝卜 来源 | 早起Python( ID:zaoqi-python ) 「多元线性回归模型」非常常见,是大多数人入门机器学习的第一 ...

  6. HSI、HSV、RGB、CMY、CMYK、HSL、HSB、Ycc、XYZ、Lab、YUV颜色模型(转)

    HSV颜色空间 HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1. 它包含RGB模型中的R=1,G=1,B=1 三个面,所代表 ...

  7. RGB和HSV颜色模型

    RGB颜色空间     RGB(red,green,blue)颜色空间最常用的用途就是显示器系统,彩色阴极射线管,彩色光栅图形的显示器都使用R.G.B数值来驱动R.G.B电子枪发射电子,并分别激发荧光 ...

  8. HSI、HSV、RGB、CMYK、HSL、HSB、Ycc、XYZ、Lab、YUV颜色模型的区别

    HSI.HSV.RGB.CMYK.HSL.HSB.Ycc.XYZ.Lab.YUV颜色模型的区别 HSV颜色空间 HSV(hue,saturation,value)颜色空间的模型对应于圆柱坐标系中的一个 ...

  9. 前端需要了解的颜色模型,RGB、HSL和HSV

    目录 RGB模型 RGB颜色值 rgb 转 hex hex 转 rgb HSL模型 HSV(B)模型 RGB 与 HSL 的转换 rgb 转 hsl hsl 转 rgb 颜色模型,是用来表示颜色的数学 ...

最新文章

  1. 推荐几款vs2005的插件
  2. html5代码_干货篇!零基础学习HTML5要用到的6款开发工具
  3. 腾讯AI Lab涂兆鹏:如何提升神经网络翻译的忠实度 | PhD Talk #22
  4. 《直播疑难杂症排查》之三:首开慢
  5. Java多线程(7)--线程池创建线程
  6. 如何在不丢失文件的情况下快速重置Win11
  7. 工作这几年,同事对我的称呼肉眼可见的在变化着......
  8. java调用指定浏览器打开指定网址
  9. python set 原理_Python基础教程之dict和set
  10. 软件开发技术文档编写规范_在软件开发中编写技术文档
  11. “剑走偏锋”之CAD的正多边形转化成标准圆
  12. VMware安装_CentOS 7.x系统
  13. String转成JSON或String转为list后转为JSON或String转为map后转为JSON
  14. ubuntu 16.04 Clion2018.1.1 添加桌面快捷方式
  15. 智能财税服务商“融易算”完成数千万元天使轮融资...
  16. 商宝项目服务器,可照搬实施的商超高可用方案:proxmox + haproxy 等
  17. MATLAB画阶梯图
  18. 如何成为一名全栈开发人员----转载
  19. java开发入门思维导图,java秒杀系统面试题
  20. grub制作USB启动盘

热门文章

  1. java 波峰检测_序列数据波峰识别以及波峰形状识别
  2. 关于中兴软创长沙研发中心的面试
  3. 从 hybrid开发----》微前端
  4. UltraISO制作多纯净系统启动U盘(保姆级教程,从下载纯净系统起)
  5. Windows下的Gvim使用微软雅黑字体
  6. wget和mwget的安装
  7. 修改内存地址 windows程序设计,王艳平
  8. pipeline 语法练习
  9. Elasticsearch:使用 ELSER 进行语义搜索
  10. 山东二本计算机专业大学,山东哪些二本大学的计算机应用技术专业最好?