opencv c++中的inrange

`inRange()` 函数在 C++ 版本的 OpenCV 库中的使用方式与 Python 版本的略有不同。以下是该函数在 C++ 中的语法：

void cv::inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst)

其中，参数的含义如下：

- `src`：输入图像，可以是 8 位无符号整数类型或者浮点数类型。
- `lowerb`：指定范围的下界，可以是标量（单个值）或者数组（每个通道对应一个值），表示像素的每个通道的最小值。
- `upperb`：指定范围的上界，可以是标量或者数组，表示像素的每个通道的最大值。
- `dst`：输出图像，与输入图像具有相同的尺寸和深度。如果没有指定，则会创建一个与输入图像相同尺寸和深度的图像。

在使用该函数时，我们通常需要先将图像转换为需要的颜色空间，比如将 BGR 格式的图像转换为 HSV 格式的图像，然后根据需要识别的颜色，设定相应的颜色范围，最后调用 `inRange()` 函数，提取出在这个颜色范围内的像素，生成一个二值化图像。在这个二值化图像中，颜色范围内的像素值为255，不在颜色范围内的像素值为0。

需要注意的是，在 C++ 版本的 OpenCV 库中，`inRange()` 函数没有返回值，它会直接修改输出图像 `dst` 的像素值。因此，在调用 `inRange()` 函数时，需要确保输出图像 `dst` 的尺寸和深度与输入图像 `src` 相同。

相关问题

c++ opencv inRange

C++ OpenCV中的inRange函数是用于在给定范围内对图像进行像素值的阈值化操作。它可以帮助我们提取图像中特定范围内的像素。

inRange函数的语法如下：

void inRange(InputArray src, InputArray lowerb, InputArray upperb, OutputArray dst);

其中，src是输入图像，lowerb和upperb是指定的范围，dst是输出图像。

具体来说，inRange函数会将输入图像src中在lowerb和upperb范围内的像素设置为255（白色），而其他像素则设置为0（黑色）。这样就可以通过阈值化操作将感兴趣的像素提取出来。

以下是一个示例代码，演示了如何使用inRange函数提取图像中的红色区域：

#include <opencv2/opencv.hpp>

int main()
{
    cv::Mat src = cv::imread("input.jpg");
    if (src.empty())
    {
        std::cout << "Failed to read image!" << std::endl;
        return -1;
    }

    cv::Mat hsv;
    cv::cvtColor(src, hsv, cv::COLOR_BGR2HSV);

    cv::Scalar lowerb(0, 100, 100);
    cv::Scalar upperb(10, 255, 255);

    cv::Mat mask;
    cv::inRange(hsv, lowerb, upperb, mask);

    cv::imshow("Input", src);
    cv::imshow("Mask", mask);
    cv::waitKey(0);

    return 0;
}

在这个示例中，我们首先将输入图像从BGR颜色空间转换为HSV颜色空间，然后定义了一个范围，即红色的HSV值范围。最后，我们使用inRange函数将在这个范围内的像素提取出来，并显示在窗口中。

opencv inRange保留红色 c++

要在C++中使用OpenCV中的inRange函数来保留红色，可以使用以下代码：

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

using namespace cv;
using namespace std;

int main()
{
    // 读取图像
    Mat img = imread("image.jpg");

    // 将BGR颜色空间转换为HSV颜色空间
    Mat hsv_img;
    cvtColor(img, hsv_img, COLOR_BGR2HSV);

    // 定义红色范围
    Scalar lower_red = Scalar(0, 50, 50);
    Scalar upper_red = Scalar(10, 255, 255);
    Scalar lower_red2 = Scalar(170, 50, 50);
    Scalar upper_red2 = Scalar(180, 255, 255);

    // 创建蒙版
    Mat mask1, mask2, mask;
    inRange(hsv_img, lower_red, upper_red, mask1);
    inRange(hsv_img, lower_red2, upper_red2, mask2);
    bitwise_or(mask1, mask2, mask);

    // 应用掩模
    Mat red_only;
    bitwise_and(img, img, red_only, mask);

    // 显示结果
    imshow("Original Image", img);
    imshow("Red Only Image", red_only);
    waitKey(0);
    destroyAllWindows();

    return 0;
}

这段代码与Python代码很类似，首先将BGR颜色空间转换为HSV颜色空间，然后定义红色的范围。接着，创建一个蒙版，这个蒙版只有在红色范围内的像素值为1，其余像素值为0。最后，将蒙版应用于原始图像，只保留红色部分。