python - 如何对 LAB 图像进行阈值处理

Question

我正在用 python 做一个手势识别项目。所以使用LAB颜色空间将有助于提高识别的准确性，因为我们知道我们的肤色主要由红色和黄色的比例组成，而在Lαβ颜色空间的情况下，α分量代表红色之间的像素分量位置和绿色，而β分量代表黄色和蓝色之间，使其不易受噪声影响。但问题是，当我尝试使用 opencv 中提供的阈值函数将 Lab 图像转换为二进制图像时，它返回了一些错误，因为阈值函数的输入应该是灰度图像。有人知道如何解决这个问题吗？

lab = cv2.cvtColor(img,cv2.COLOR_BGR2LAB)
blur = cv2.GaussianBlur(gray,(5,5),0)
ret,thresh1 = cv2.threshold(blur,70,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

返回的错误是Assertion Failed。

有人知道如何对 LAB 图像进行阈值处理吗？

Answer 1

如果图像强度小于某个固定常数 T，最简单的阈值方法用黑色像素替换图像中的每个像素，如果图像强度大于该常数，则用白色像素替换图像中的每个像素。因此，为了进行阈值处理，建议使用灰度图像。

在 opencv 中，cv2.threshold 有两个参数，第一个参数是源图像，应该是灰度图像。第二个参数是用于分类的阈值像素值。

但是在Wikipedia ，有一个引用，我们可以通过为图像的每个 RGB 分量指定一个单独的阈值来阈值彩色图像，然后将它们与 AND 操作组合。