一、cv2.inrange概述

cv2.inrange是OpenCV（Python版）的函數(shù)庫(kù)中常用的一個(gè)函數(shù)，該函數(shù)可以幫助開發(fā)者實(shí)現(xiàn)指定范圍內(nèi)的顏色選擇，也就是在圖像處理中對(duì)指定區(qū)域的像素進(jìn)行篩選。這個(gè)函數(shù)能快速的對(duì)圖像的顏色、亮度等進(jìn)行篩選輸出符合要求的像素值集合，而且比較易于使用，常用于圖像的前處理工作中，如目標(biāo)顏色檢測(cè)等，對(duì)于圖像的關(guān)鍵顏色分離，該函數(shù)也是非常有用的。

二、cv2.inrange函數(shù)的調(diào)用方法

調(diào)用cv2.inrange函數(shù)時(shí)，我們需要注意幾個(gè)重要的參數(shù)，我們來(lái)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(guò)對(duì)比原圖和上下界值，返回一個(gè)二值化的掩碼圖像
output = cv2.bitwise_and(image, image, mask=mask) # 通過(guò) mask 將指定區(qū)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(shù)值分別代表顏色的下限和上限，經(jīng)過(guò)處理后的圖像區(qū)域顏色會(huì)在這個(gè)范圍內(nèi)，而變成白色，不在范圍內(nèi)的顏色區(qū)域會(huì)變成黑色。

三、cv2.inrange的兩個(gè)返回變量

在上例中，cv2.inRange函數(shù)返回了兩個(gè)變量， mask 表示一個(gè)二值化的掩模圖像， output表示經(jīng)過(guò) mask 處理后的新圖像。

mask的作用是，通過(guò)對(duì)比原圖和上下界值，返回一個(gè)二值化的掩碼圖像，該圖像的黑白分界線就是上下界設(shè)定的閾值，這個(gè)閾值包括兩種狀態(tài)，滿足（黑色）和不滿足（白色）。當(dāng)然，這個(gè)匹配的條件是由我們自己設(shè)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(shù)是在原始圖片基礎(chǔ)上組合mask因素之后得到的新圖像。在這個(gè)新圖像中，只有指定范圍內(nèi)的顏色部分才能保留下來(lái)，不在指定范圍內(nèi)的部分則被變成黑色。output函數(shù)的一項(xiàng)重要作用主要用于遮擋，當(dāng)我們只需要用到某個(gè)圖上的特定部分時(shí)，可以使用output函數(shù)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，用于之后的處理。

四、cv2.inrange函數(shù)的應(yīng)用實(shí)例

下面我們可以通過(guò)一些實(shí)例來(lái)更好地理解cv2.inrange函數(shù)的具體應(yīng)用：

1、顏色區(qū)間選取

假設(shè)我們有一張圖片，圖片中有藍(lán)色的球和綠色的球。我們想要取出只有藍(lán)球，將綠球去掉，可以通過(guò)以下代碼實(shí)現(xiàn)：

import cv2
import numpy as np

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

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

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

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

# 設(shè)定藍(lán)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(duì)圖像進(jìn)行掩模和反掩模計(jì)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(dāng)我們對(duì)這張圖像和以上代碼進(jìn)行處理時(shí)，綠色的部分會(huì)被過(guò)濾掉，而藍(lán)色的部分則保留下來(lái)。

2、圖片二值化

我們可以使用cv2.inrange函數(shù)將原圖像轉(zhuǎn)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(dāng)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(shè)定圖片閾值
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

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

# 應(yīng)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(gè)例子中，我們將原圖片轉(zhuǎn)化為灰度圖并進(jìn)行二值化。通過(guò)cv2.inRange函數(shù)，我們將特定的部分分割出來(lái)，然后處理。

五、總結(jié)

通過(guò)以上的分析，我們可以看到cv2.inrange函數(shù)在圖像處理過(guò)程中的重要性。通過(guò)對(duì)上下界的設(shè)定，我們可以應(yīng)用cv2.inrange函數(shù)快速準(zhǔn)確地選擇需要的區(qū)域，這對(duì)于初學(xué)者和有經(jīng)驗(yàn)的開發(fā)者來(lái)說(shuō)都是可以實(shí)現(xiàn)的。出于對(duì)圖像處理技術(shù)的研究，本次講解了cv2.inrange函數(shù)，相信讀者在實(shí)踐中也可以舉一反三，應(yīng)用到自己的項(xiàng)目中。