Sácame as cores!

Duración:: 50 min
Agrupamento:: 2

Ides segmentar unha imaxe en tres cores verde, azul e vermello. Definir rangos para tres cores: vermello, verde e azul. (Nota sobre o vermello: Como o vermello aparece ao comezo e ao final do círculo de cores do espazo HSV, usaredes dous rangos e logo unirédelos.) Crearedes unha máscara para cada cor e extraeredes (segmentaredes) a parte da imaxe que ten esa cor. Por último, mostraredes a imaxe orixinal e logo as imaxes segmentadas para a cor vermella, o verde e o azul.

JillWellington. *Imaxe a segmentar* (CC BY-SA)

A segmentación de cores é unha técnica que "separa" ou "resalta" as partes dunha imaxe que teñen unha cor determinada, o que é moi útil en moitos sistemas de Intelixencia Artificial (IA) para identificar obxectos, recoñecer patróns ou illar elementos importantes dunha escena.

Tarefa 1: Segmentación en verde

Realiza un programa que...

Permita subir esta imaxe desde o computador con imaxe = cv2.imread(arquivo)
Convirta a imaxe de BGR (o formato en que OpenCV le as imaxes) a HSV, un sistema de cores que nos facilita traballar con rangos de cor con hsv = cv2.cvtColor(imaxe, cv2.COLOR_BGR2HSV)
Según os rangos para o verde no espazo de cor HSV, segmenta a cor verde con:
#Segmentación da cor VERDE
verde_inferior = np.array([36, 25, 25]) #Selecciona pixeles do array da imaxe verdes claros
verde_superior = np.array([70, 255, 255]) #Selecciona pixeles do array da imaxe verdes oscuros
mascara_verde = cv2.inRange(hsv, verde_inferior, verde_superior)
segmento_verde = cv2.bitwise_and(imaxe, imaxe, mask=mascara_verde)
Mostrar a imaxe inicial e a segmentada con:
# Mostrar a imaxe orixinal e a imaxe segmentada.
# cv2_imshow é a ferramenta de Colab para mostrar imaxes.
print("Imaxe orixinal:")
cv2_imshow(imaxe)

print("Segmentación da cor verde:")
cv2_imshow(segmento_verde)

Tarefa 2 : Segmentación en azul

Sabendo que para o azul os límites inferiores poden ser en torno a [94, 80, 2] e os superiores en torno a [126, 255, 255] engade á anterior, unha segmentación en azul
Mostrar a imaxe inicial e as 2 segmentadas con:
# Mostrar a imaxe orixinal e a imaxe segmentada.
# cv2_imshow é a ferramenta de Colab para mostrar imaxes.
print("Imaxe orixinal:")
cv2_imshow(imaxe)

print("Segmentación da cor verde:")
cv2_imshow(segmento_verde)

print("Segmentación da cor azul:")
cv2_imshow(segmento_azul)

Tarefa 3 : Segmentación en vermello

O vermello ten 2 rangos(é o principio e o final do círculo HVS) en lugar de 1, por iso é preciso realizar 2 máscaras e logo sumalas antes de facer a segmentación
Sabendo que para o vermelloinicial os límites inferiores poden ser en torno a [0, 120, 70] e os superiores en torno a [[10, 255, 255] engade á anterior, e para o vermellofinal son [170, 120, 70])
e [180, 255, 255] realiza unha máscara para cada unha do mesmo xeito que fixeches a do verde e azul.
Súmaas con:
mascara_vermella = mascara_vermellainicial + mascara_vermellafinal
segmento_vermello = cv2.bitwise_and(imaxe, imaxe, mask=mascara_vermella)
Mostra a imaxe inicial e as 3 segmentadas con:

# Mostrar a imaxe orixinal e a imaxe segmentada.
# cv2_imshow é a ferramenta de Colab para mostrar imaxes.

print("Imaxe orixinal:")
cv2_imshow(imaxe)

print("Segmentación da cor vermella:")

cv2_imshow(segmento_vermello)

print("Segmentación da cor verde:")
cv2_imshow(segmento_verde)

Lembra:A IA está para axudarche, pregúntalle!

Exemplo de resultado esperado

Creación propia. *Resultado segmentación verde* (CC BY-SA)

Creación propia. *Resultado segmentación azul* (CC BY-SA)

Creación propia. *Resultado segmentación vermello* (CC BY-SA)

Os números utilizados para os rangos de azul, verde e vermello no espazo de cores HSV (Hue, Saturation, Value) corresponden ás características específicas desas cores no círculo cromático.

Aquí está unha breve explicación:

Vermello: O matiz (Hue) do vermello aparece en dous extremos do círculo cromático, en torno a 0°-10° e 170°-180°, por iso os rangos están divididos en dúas partes. Esta separación permite capturar con precisión todas as tonalidades do vermello.

Por exemplo, os valores [0, 120, 70] representan os límites inferiores de brillo e saturación para o vermello, e os valores [10, 255, 255] marcan os máximos.

Verde: O verde sitúase aproximadamente entre 36°-70° no círculo HSV. Este rango cobre dende verdes máis apagados ata verdes vivos e saturados.

Os valores [36, 25, 25] inclúen verdes menos saturados e escuros, mentres que [70, 255, 255] abarca os verdes máis intensos e brillantes.

Azul: O azul ocupa o rango entre 94°-126° no espazo HSV, o que permite segmentar tons de azul que abranguen dende azuis claros ata escuros.

Por exemplo, [94, 80, 2] permite captar azuis apagados ou pouco saturados, mentres que [126, 255, 255] inclúe azuis vibrantes e claros.

Estas eleccións aseguran que os rangos capturen as tonalidades máis características de cada cor no espazo HSV, reflectindo como os humanos perciben os matices.

Tarefa 1

Código Python: Segmentación en verde

import cv2
import numpy as np
from google.colab import files
from google.colab.patches import cv2_imshow

# 1. Subir a imaxe desde o ordenador
#    Abrirase unha ventá para que selecciones a imaxe.
subida = files.upload()
for arquivo in subida.keys():
    imaxe = cv2.imread(arquivo)

# 2. Converter a imaxe de BGR a HSV.
#    O espazo HSV (Hue, Saturation, Value) axuda a definir rangos de cores de forma máis natural.
hsv = cv2.cvtColor(imaxe, cv2.COLOR_BGR2HSV)

# 3. Definir os rangos de cores en HSV e segmentar cada cor.

## Segmentación da cor VERDE
verde_inferior = np.array([36, 25, 25])
verde_superior = np.array([70, 255, 255])
mascara_verde = cv2.inRange(hsv, verde_inferior, verde_superior)
segmento_verde = cv2.bitwise_and(imaxe, imaxe, mask=mascara_verde)



# 4. Mostrar a imaxe orixinal e a imaxe segmentada.
#    cv2_imshow é a ferramenta de Colab para mostrar imaxes.
print("Imaxe orixinal:")
cv2_imshow(imaxe)

print("Segmentación da cor verde:")
cv2_imshow(segmento_verde)

Tarefa 2

Código Python: Segmentación en verde e azul

import cv2
import numpy as np
from google.colab import files
from google.colab.patches import cv2_imshow

# 1. Subir a imaxe desde o ordenador
#    Abrirase unha ventá para que selecciones a imaxe.
subida = files.upload()
for arquivo in subida.keys():
    imaxe = cv2.imread(arquivo)

# 2. Converter a imaxe de BGR a HSV.
#    O espazo HSV (Hue, Saturation, Value) axuda a definir rangos de cores de forma máis natural.
hsv = cv2.cvtColor(imaxe, cv2.COLOR_BGR2HSV)

# 3. Definir os rangos de cores en HSV e segmentar cada cor.

## Segmentación da cor VERDE
verde_inferior = np.array([36, 25, 25])
verde_superior = np.array([70, 255, 255])
mascara_verde = cv2.inRange(hsv, verde_inferior, verde_superior)
segmento_verde = cv2.bitwise_and(imaxe, imaxe, mask=mascara_verde)

## Segmentación da cor AZUL
azul_inferior = np.array([94, 80, 2])
azul_superior = np.array([126, 255, 255])
mascara_azul = cv2.inRange(hsv, azul_inferior, azul_superior)
segmento_azul = cv2.bitwise_and(imaxe, imaxe, mask=mascara_azul)

# 4. Mostrar a imaxe orixinal e as imaxes segmentadas.
#    cv2_imshow é a ferramenta de Colab para mostrar imaxes.
print("Imaxe orixinal:")
cv2_imshow(imaxe)

print("Segmentación da cor verde:")
cv2_imshow(segmento_verde)

print("Segmentación da cor azul:")
cv2_imshow(segmento_azul)

Tarefa 3

Código Python: Segmentación en verde, azul e vermello

import cv2
import numpy as np
from google.colab import files
from google.colab.patches import cv2_imshow

# 1. Subir a imaxe desde o ordenador
#    Abrirase unha ventá para que selecciones a imaxe.
subida = files.upload()
for arquivo in subida.keys():
    imaxe = cv2.imread(arquivo)

# 2. Converter a imaxe de BGR a HSV.
#    O espazo HSV (Hue, Saturation, Value) axuda a definir rangos de cores de forma máis natural.
hsv = cv2.cvtColor(imaxe, cv2.COLOR_BGR2HSV)

# 3. Definir os rangos de cores en HSV e segmentar cada cor.

## Segmentación da cor VERMELLA
#    O vermello divídese en dous rangos (porque no círculo HSV o vermello aparece en ambos extremos).
vermello_inferiorinicial = np.array([0, 120, 70])
vermello_superiorinicial = np.array([10, 255, 255])
mascara_vermellainicial = cv2.inRange(hsv, vermello_inferiorinicial, vermello_superiorinicial)

vermello_inferiorfinal = np.array([170, 120, 70])
vermello_superiorfinal = np.array([180, 255, 255])
mascara_vermellafinal = cv2.inRange(hsv, vermello_inferiorfinal, vermello_superiorfinal)

# Unimos as dúas máscaras do vermello.
mascara_vermella = mascara_vermellainicial + mascara_vermellafinal
segmento_vermello = cv2.bitwise_and(imaxe, imaxe, mask=mascara_vermella)

## Segmentación da cor VERDE
verde_inferior = np.array([36, 25, 25])
verde_superior = np.array([70, 255, 255])
mascara_verde = cv2.inRange(hsv, verde_inferior, verde_superior)
segmento_verde = cv2.bitwise_and(imaxe, imaxe, mask=mascara_verde)

## Segmentación da cor AZUL
azul_inferior = np.array([94, 80, 2])
azul_superior = np.array([126, 255, 255])
mascara_azul = cv2.inRange(hsv, azul_inferior, azul_superior)
segmento_azul = cv2.bitwise_and(imaxe, imaxe, mask=mascara_azul)

# 4. Mostrar a imaxe orixinal e as imaxes segmentadas.
#    cv2_imshow é a ferramenta de Colab para mostrar imaxes.
print("Imaxe orixinal:")
cv2_imshow(imaxe)

print("Segmentación da cor vermella:")
cv2_imshow(segmento_vermello)

print("Segmentación da cor verde:")
cv2_imshow(segmento_verde)

print("Segmentación da cor azul:")
cv2_imshow(segmento_azul)

Rúbrica de avaliación

**Rúbrica Reto 6: Sácame as cores!**
Criterio	Excelente (9-10)	Bo (7-8)	Aceptable (5-6)	Mellorable (3-4)	Moi mellorable (0-2)
Carga da imaxe	Sube a imaxe correctamente e usa OpenCV para lela sen erros.	Sube a imaxe pero con pequenos problemas na lectura.	Carga a imaxe pero con dificultades na súa visualización.	Erro na carga ou problemas coa ruta do ficheiro.	Non realiza a carga da imaxe.
Conversión a HSV	Conversión correcta de BGR a HSV para traballar con cores.	Conversión ben feita pero con pequenos problemas na estrutura.	Conversión parcial pero con dificultades na selección de cores.	Non aplica correctamente a conversión a HSV.	Non realiza esta transformación.
Segmentación da cor verde	Definición precisa do rango de verde, máscara ben aplicada.	Segmentación correcta pero con pequenos erros de filtrado.	Segmentación feita pero con problemas nos valores HSV.	Erro na segmentación do verde.	Non realiza a segmentación do verde.
Segmentación da cor azul	Definición correcta do rango de azul e máscara ben aplicada.	Segmentación adecuada pero con pequenos erros.	Segmentación feita pero con valores HSV mal axustados.	Erro na segmentación do azul.	Non realiza a segmentación do azul.
Segmentación da cor vermella	Definición e combinación correcta das dúas máscaras do vermello.	Máscaras ben feitas pero con pequenas deficiencias na unión.	Segmentación realizada pero con dificultades na precisión.	Erro na segmentación do vermello.	Non realiza a segmentación do vermello.
Visualización de imaxes	Mostra correctamente todas as imaxes segmentadas con Colab.	Imágenes ben visualizadas pero con pequenos problemas.	Visualización parcial das imaxes ou con erros nos títulos.	Erro ao mostrar algunhas imaxes.	Non realiza a visualización das imaxes.
Actitude ante os problemas	Busca solucións e optimiza os procesos de segmentación.	Resolve os problemas con esforzo e consulta documentación.	Resolve con dificultades pero sen explorar melloras.	Resígnase ante os erros sen buscar alternativas.	Non intenta resolver os problemas ou abandona o traballo.
Traballo colaborativo	Comunicación eficaz e traballo equilibrado en parella.	Traballo en equipo con pequenas dificultades.	Interacción mínima, traballo case independente.	Pouca colaboración, realízase gran parte do traballo de forma individual.	Non colabora coa parella nin contribúe ao traballo conxunto.