在本系列上一篇文章中,我们带领大家调节了 CSI 图像质量。在本篇文章中,我们将带领大家了解 Jetson Nano 2GB 的颜色空间动态调节技巧。
HSV 色彩空间是计算机视觉领域应用频率非常高的颜色模型,主要有 Hue(色调)、Saturation(饱和度)与 Value(值)三者组合而成,与一般比较熟悉的 RGB 或 BGR 像点值组成颜色的方式是完全不同的。
在前面做过的“追踪特定颜色物件”实验中,必须不断修改代码中的某些值,然后重复执行代码去确认这些值的正确性,这对于某个特定颜色来说还勉强可以用用,但如果需要动态地对多种颜色进行识别的话,那可就令人头痛了。
因此本文特别提供一个简单工具,结合 OpenCV 的 createTaskbar 与 getTrackbarPos 这两个功能,协助初学者掌握颜色变化时的各项参数。
创建 BGR 色彩空间调色板
首先以人类习惯的 BGR 颜色空间为例,创建一个最简单的调色板,完整代码如下:
执行的结果如下图,用鼠标滑动 B/G/R 的值,下面色块会根据上面三个值的组合进行实时调整。
这是个非常简单而且实用的工具。接下来我们将 BGR 颜色空间修改成 HSV 颜色空间,因为大部分计算机视觉的应用,是采用 HSV 颜色空间进行转换。
创建 HSV 色彩空间调色板
关于 HSV 的原理,请自行百度上参考其细节,这里只挑与代码有关的部分简单说明。
在 Hue 色调部分由于有个上下限的范围,执行结果就会出现如下图的调色板,可用鼠标调整每个数值。不过到此只是显示这个调色板,还不具备任何功能。
使用 HSV 色彩空间调色板
接下去将前面“追踪特定颜色物件”代码集成进来,最终目的是利用这个调色板对特定颜色进行过滤(追踪)的功能,主要步骤如下(代码见“粗体底线”部分):
执行后的显示结果如下,左边是原图,中间是调色板,右边是调整后筛选的颜色:
利用鼠标调节中间调色板的各项数值,然后右边的结果就会立即产生变化:
以上色彩空间调色板的制作,应该会对您有所帮助。
好文章,需要你的鼓励
中国搜索引擎巨头百度今日宣布开源其生成式AI聊天机器人文心一言,专家认为此举将推动行业从性能竞争转向价格战。百度此前一直支持专有封闭系统,如今政策大转弯,希望通过开源代码实现更广泛采用并构建开发者生态系统。今年百度加速转向开源技术,2月免费提供文心服务,3月大幅降价80%。分析师称这是对OpenAI等西方竞争对手的重大挑战。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
都柏林标志性的英杰华体育场宣布完成分布式天线系统5G升级改造。该体育场与独立无线基础设施运营商Shared Access合作,为爱尔兰三大移动网络运营商Three Ireland、沃达丰和eir提供5G连接服务,显著提升了球迷和访客的移动网络性能、覆盖范围和容量。升级还集成了VoltServer数字电力解决方案以提高能效。这使英杰华体育场成为爱尔兰首个5G连接的体育场馆。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。