API：inRange(hsv, Scalar(0, 43, 46), Scalar(10, 255, 255), mask);

实现对视频图像进行处理

以OpenCV中的cv2.inRange()为例：

1. 函数基本形式

• 对于图像操作而言，它的基本形式是cv2.inRange(src, lowerb, upperb)。其中src是要处理的源图像，这个图像可以是单通道（如灰度图）或者多通道（如彩色的RGB图像）。lowerb和upperb是下限和上限边界值。这些边界值的形式取决于图像的通道数。对于单通道图像，它们是单个数值；对于多通道图像，如RGB图像，它们是包含三个数值（分别对应R、G、B通道）的元组或者数组。

2. 工作原理

• 当处理图像时，函数会逐个检查图像中的像素。以彩色图像为例，对于每个像素的RGB值，它会检查红色通道的值是否在lowerb和upperb中红色通道指定的范围内，同时绿色和蓝色通道的值也要满足相应的范围要求。如果一个像素的所有通道值都在指定范围内，那么在输出的结果图像中，这个像素位置的值会被设置为255（白色）；否则，这个像素位置的值会被设置为0（黑色）。

• 例如，想要提取一幅彩色图像中红色色调比较明显的区域。可以将lowerb设置为一个较低的红色值（如(0, 0, 100)，假设这里红色通道的值相对较大来表示红色调），upperb设置为一个较高的红色值（如(100, 100, 255)），然后使用cv2.inRange函数处理图像，就可以得到一个二值图像，其中白色部分表示红色调区域，黑色部分表示其他区域。

3. 在数值范围检查中的应用

• 在非图像场景下，“inRange”函数（如果是自定义的或者其他库中的类似功能函数）本质上也是检查一个给定的值是否在一个区间内。例如，在一个数据采集系统中，有一个温度传感器传来的数据。可以定义一个“inRange”函数来检查温度值是否在合理的工作温度范围内。假设设备正常工作温度范围是20 - 50摄氏度，当接收到一个温度值，“inRange”函数就可以检查这个值是否大于等于20且小于等于50。如果在这个范围内，可能返回True，否则返回False，以此来判断设备是否处于正常工作温度环境。

---

---

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

void harris_demo(Mat& image);
void shitomas_demo(Mat& image);
int main(int argc, char** argv) {
    VideoCapture capture("C:/newword/image/25.mp4");
    if (!capture.isOpened()) {
        printf("could not open the camera...\n");
    }
    namedWindow("frame", WINDOW_AUTOSIZE);
    Mat frame;
    while (true) {
        bool ret = capture.read(frame);
        if (!ret) break;
        imshow("frame", frame);
        shitomas_demo(frame);
        //imshow("result", frame);
        char c = waitKey(1);
        if (c == 27) { // ESC
            break;
        }
    }
    capture.release();

    waitKey(5);
    destroyAllWindows();

    return 0;
}

void shitomas_demo(Mat& image) {
    Mat hsv,mask;
    cvtColor(image, hsv, COLOR_BGR2HSV);
    inRange(hsv, Scalar(0, 43, 46), Scalar(10, 255, 255), mask);
    Mat se = getStructuringElement(MORPH_RECT, Size(15, 15));
    morphologyEx(mask, mask, MORPH_OPEN, se);
    //imshow("result", mask);
    vector<vector<Point>> contours;
    vector<Vec4i> hirearchy;
    findContours(mask, contours, hirearchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());
    int index = -1;
    double max_area = 0;
    for (size_t t = 0; t < contours.size(); t++) {
        double area = contourArea(contours[t]);
        if (area > max_area) {
            max_area = area;
            index = t;
        }
    }

    // 进行轮廓离合于输出
    if (index >= 0) {
        RotatedRect rrt = minAreaRect(contours[index]);
        ellipse(image, rrt, Scalar(255, 0, 0), 2, 8);
        circle(image, rrt.center, 4, Scalar(0, 255, 0), 2, 8, 0);
    }
    imshow("color object detection", image);
}