Deteksi Citra HSV menggunakan python

 

Citra HSV

Teknik pengolahan citra dengan menggunakan model warna HSV (Hue, Saturation, Value) dapat dilakukan menggunakan Python dengan bantuan pustaka pemrosesan citra seperti OpenCV. Nilai HSV di OpenCV dapat didefinisikan dalam kisaran berikut:

Hue: 0 hingga 179

Nilai 0 menunjukkan merah murni

Nilai 60 menunjukkan hijau murni

Nilai 120 menunjukkan biru murni

Saturation: 0 hingga 255

Nilai 0 menunjukkan warna abu-abu (tidak jenuh)

Nilai 255 menunjukkan warna penuh (jenuh)

Value: 0 hingga 255

Nilai 0 menunjukkan warna hitam (gelap)

Nilai 255 menunjukkan warna putih (terang)

 

Berikut adalah contoh implementasi dasar untuk mengubah citra ke model warna HSV dan menerapkan beberapa teknik pemrosesan citra pada komponen HSV:

 

import cv2

import numpy as np

import matplotlib.pyplot as plt

# Membaca citra menggunakan OpenCV

image = cv2.imread('objek.jpg')

normal = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Mengubah citra ke model warna HSV

hsv_image = cv2.cvtColor(normal, cv2.COLOR_BGR2HSV)

#menapilkan hasil citra warna hsv

plt.imshow(hsv_image)

Untuk Mendapatkan nilai HSV dari gambar yang ditampilkan

import cv2

import numpy as np

import matplotlib.pyplot as plt

# Membaca citra menggunakan OpenCV

image = cv2.imread('objek.jpg')

normal = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Mengubah citra ke model warna HSV

hsv_image = cv2.cvtColor(normal, cv2.COLOR_BGR2HSV)

# Menampilkan komponen Hue

# Tampilkan kisaran nilai HSV

print("Hue range: ", np.min(hsv_image[:, :, 0]), "-", np.max(hsv_image[:, :, 0]))

print("Saturation range: ", np.min(hsv_image[:, :, 1]), "-", np.max(hsv_image[:, :, 1]))

print("Value range: ", np.min(hsv_image[:, :, 2]), "-", np.max(hsv_image[:, :, 2]))

 

 

 

 

Pastikan Anda telah mengganti `objek.jpg` dengan path yang sesuai dengan citra yang ingin Anda proses. Pada contoh di atas, citra dibaca menggunakan `cv2.imread()` dan dikonversi ke model warna HSV menggunakan `cv2.cvtColor()` dengan parameter `cv2.COLOR_BGR2HSV`. Komponen HSV kemudian dipisahkan dan ditampilkan secara terpisah menggunakan `cv2.imshow()`. Setelah itu, dilakukan peningkatan kecerahan pada komponen Value dengan `cv2.add()`. Komponen HSV kemudian digabungkan kembali dan citra dikonversi ke model warna BGR menggunakan `cv2.cvtColor()` dengan parameter `cv2.COLOR_HSV2BGR`. Akhirnya, citra yang telah ditingkatkan kecerahannya ditampilkan menggunakan ` plt.imshow(hsv_image)`.

Anda dapat menyesuaikan kode tersebut sesuai dengan kebutuhan Anda dan menambahkan teknik pemrosesan citra lainnya pada komponen HSV yang diinginkan.

Tweet