【Opencv】基于色差的简单目标提取

所有颜色都是由$R$ (红)、$G$ (绿)、$B$ (蓝色) 3个单色,每个单色,由$0～255$ 分成了$256$ 个级，所以根据$R$ 、$G$ 、$B$ 可以代表组合。$256\times 256\times 256=16777216$ 彩色, 被称为全色图像或真实的彩色图像。 如果全色图像不压缩, 文件将会是巨大的 。$640\times 480$ 全色像像素图片的像素像素$3$ 个字节来表示$R$ 、$G$ 、$B$ 各个分量，需要保存$640\times 480\times 3=921600$ (约1MB)字节。
视目标的颜色特点而定,尽可能利用自然目标采掘的可行方法。$R$ 、$G$ 、$B$ 数量及其差异的相互作用能够成功地避免自然光变化的影响,并迅速有效地提取目标。
下面的简介描述了从果树上摘出桃子的红色区域的位置。

因为熟熟的桃子通常是红色的, 红的桃子首先从彩色来源照片中回收, 使用红绿差分信息。$x^i$，$y^i$)($x^i$、$y^i$分别为像素点$i$ 的$x$ 坐标和$y$ 坐标，$0\le i<n$ ，$n$ 设定图像像素点总数为红色( 图片中的像素点总数) 。$R$ )分量和绿色($G$ 部分的像素值相同 。$R$ ($x^i$，$y^i$)和$G$ ($x^i$，$y^i$)，其差值为${\beta }^i$=$R$ ($x^i$，$y^i$)$-$ $G$ ($x^i$，$y^i$,然后生成灰色图像($RG$ 图像)， 若${\beta }^i>0$ ,灰度图片上的点的像素值为 i 或 0(黑色),然后创建该像素值。$RG$ 为检测点,使用图像的直方图。$\alpha$ 扫描像素到像素( 贴现阈值) 。$RG$ 图像，若${\beta }^i>\alpha$ ,将点像素的值输入为$255$ (白色)，否则设为$0$ (黑色),制作一个双值图片,然后进行图像形态处理。
色差图：
直方图：
二值化：
形态学处理：