Sfruttare il rilevamento del colore nelle applicazioni di computer vision
Esplora come il rilevamento dei colori colma il divario tra la visione umana e quella artificiale, utilizzando gli spazi colore RGB e HSV per automatizzare le soluzioni di computer vision.
I colori svolgono un ruolo fondamentale nel modo in cui gli esseri umani vivono il mondo, aiutandoci a riconoscere, comprendere e connetterci con ciò che ci circonda. Tuttavia, a differenza di noi, le macchine non vedono i colori: li elaborano come dati, traducendo sfumature e tinte in valori numerici.
Un'auto a guida autonoma non vede semplicemente un semaforo rosso: elabora il colore come segnale di arresto. Questa capacità di riconoscere e interpretare i colori aiuta a colmare il divario tra la visione umana e la computer vision.
La computer vision è un ramo dell'IA che permette alle macchine di analizzare e comprendere i dati visivi. Un aspetto chiave di questo processo è il rilevamento del colore, che consente alle macchine di identificare e differenziare gli oggetti in base al colore. Analizzando i valori dei pixel in diversi spazi colore, il rilevamento del colore può essere utilizzato in applicazioni come il tracciamento degli oggetti, l'imaging medico e l'automazione.
In questo articolo, esamineremo più da vicino come funziona il rilevamento del colore, perché è importante e come viene utilizzato nelle applicazioni di computer vision. Iniziamo!
Link to this sectionChe cos'è il rilevamento del colore?#
Il rilevamento del colore aiuta le macchine a identificare oggetti e comprendere scene in base al colore. Quando combinato con altri compiti di computer vision, migliora la precisione e potenzia le applicazioni nel mondo reale. Prima di immergerci nel funzionamento del rilevamento del colore, è utile capire come i colori vengono rappresentati digitalmente.
Le immagini digitali sono costituite da minuscoli quadrati chiamati pixel, ognuno dei quali contiene informazioni sul colore. Ad esempio, per quanto riguarda il modello di colore RGB (Red, Green, Blue - Rosso, Verde, Blu), i colori vengono creati mescolando diverse intensità di rosso, verde e blu.
Ogni colore è definito da tre valori, che vanno da 0 a 255, dove 0 significa assenza di colore e 255 massima intensità. Ad esempio, il rosso puro è (255, 0, 0) perché ha il valore di rosso più alto e nessun componente verde o blu. Il bianco è (255, 255, 255) perché tutti e tre i colori sono alla massima intensità.
Fig 1. Un esempio di come un computer vede i colori di una mela.
Se conosci modelli di computer vision come Ultralytics YOLO11, potresti chiederti perché il rilevamento del colore sia una tecnica distinta dal rilevamento di oggetti. Sebbene entrambi analizzino le immagini, servono a scopi diversi.
Il rilevamento del colore si concentra sull'identificazione di colori specifici in un'immagine, mentre il rilevamento di oggetti riconosce e classifica gli oggetti indipendentemente dal loro colore. Nello scenario dell'auto a guida autonoma, il rilevamento del colore individua il rosso in un semaforo, mentre il rilevamento di oggetti identifica il semaforo stesso, aiutando l'auto a prendere decisioni di guida sicure.
Link to this sectionIntroduzione agli spazi colore#
Un modello di colore o spazio colore è un sistema utilizzato per rappresentare i colori nelle immagini digitali ed è una parte fondamentale del rilevamento del colore. Assegna valori numerici ai colori, consentendo ai computer di interpretarli in modo coerente su diversi dispositivi. Gli spazi colore forniscono un modo strutturato per archiviare, regolare e visualizzare i colori nei sistemi digitali.
Alcuni spazi colore comunemente usati includono RGB per i display digitali, HSV (Hue, Saturation, Value - Tonalità, Saturazione, Valore) per l'elaborazione delle immagini e CMYK (Ciano, Magenta, Giallo, Nero) per la stampa. RGB e HSV sono gli spazi colore utilizzati più frequentemente per rilevare i colori. Scopriamo come funzionano.
Link to this sectionUna panoramica dello spazio colore RGB#
Lo spazio colore RGB è ampiamente utilizzato nell'imaging digitale, presente in schermi, fotocamere e dispositivi di visualizzazione. Funziona combinando diversi livelli di luce rossa, verde e blu per creare vari colori. Quando tutti e tre i colori sono alla massima intensità, il risultato è il bianco, e quando nessuno è presente, appare il nero.
Questo spazio colore viene spesso visualizzato come un cubo di colore, dove ogni asse rappresenta uno dei colori primari. Gli angoli del cubo mostrano rosso, verde e blu puri, insieme alle loro combinazioni, mentre l'interno contiene tutte le sfumature possibili.
Sebbene l'RGB sia semplice e popolare, presenta alcune limitazioni. I colori potrebbero non sembrare sempre uguali all'occhio umano perché l'RGB non corrisponde uniformemente al modo in cui percepiamo le differenze di colore. È inoltre influenzato dalle condizioni di illuminazione, il che significa che i colori possono apparire diversi a seconda della luminosità e dell'ambiente.
Fig 2. Il cubo di colore RGB.
Link to this sectionUna panoramica dello spazio colore HSV#
Lo spazio colore HSV (Hue, Saturation, Value) rappresenta i colori basandosi su tre componenti: tonalità (il tipo di colore), saturazione (la sua intensità) e valore (la sua luminosità). A differenza dell'RGB, che mescola le intensità luminose, l'HSV è più vicino al modo in cui gli esseri umani percepiscono i colori, rendendolo una scelta più pratica per molte attività di elaborazione delle immagini.
In particolare, la tonalità rappresenta il colore effettivo e viene misurata in gradi su una ruota dei colori, con il rosso a 0° e il blu a 240°. Nel frattempo, la saturazione controlla quanto appare vivido o spento un colore, dove 0% è completamente grigio e 100% è pienamente vibrante. D'altra parte, il valore determina la luminosità, spaziando dallo 0% (nero) al 100% (piena luminosità).
È interessante notare che lo spazio colore HSV viene spesso visualizzato come un cono, dove la tonalità avvolge il bordo, la saturazione si muove verso l'esterno e la luminosità aumenta dal basso verso l'alto. Poiché separa il colore dalla luminosità, l'HSV è ampiamente utilizzato nelle applicazioni di computer vision.
Fig 3. Il cono HSV.
Link to this sectionConfronto tra lo spazio colore RGB e HSV#
Per confrontare RGB e HSV fianco a fianco, prendiamo come esempio il colore arancione. Nello spazio colore RGB, l'arancione viene creato mescolando rosso e verde a intensità specifiche, tipicamente rappresentato come (255, 165, 0), il che significa rosso pieno, un po' di verde e niente blu. Tuttavia, poiché l'RGB non separa il colore dalla luminosità, può essere meno intuitivo per le attività che richiedono una manipolazione precisa del colore.
Nell'HSV, l'arancione viene definito diversamente. La sua tonalità è intorno ai 30°, che ne determina la posizione sulla ruota dei colori. La sua saturazione è vicina al 100%, il che significa che è un colore vivido e puro, e anche il suo valore è 100%, indicando la piena luminosità. Poiché l'HSV separa il colore dalla luminosità, è spesso più utile nelle applicazioni di rilevamento del colore in cui le condizioni di illuminazione possono cambiare.
Fig 4. Confronto dei valori RGB e HSV. Immagine dell'autore.
Link to this sectionCome funziona il rilevamento del colore#
In genere, il rilevamento del colore viene approcciato come una tecnica di elaborazione delle immagini utilizzata per identificare e isolare i colori da immagini o video. I colori rilevati nelle immagini tramite l'elaborazione si basano su spazi colore e tecniche di soglia per differenziare tonalità, sfumature e intensità specifiche.
Ecco una rapida panoramica dei passaggi chiave coinvolti nel rilevamento del colore tramite l'elaborazione delle immagini:
- Acquisizione dell'immagine: Il processo inizia catturando un'immagine o un fotogramma video utilizzando una fotocamera. L'immagine viene solitamente archiviata in formato RGB come una matrice di pixel.
- Conversione dello spazio colore: Poiché l'RGB non è sempre ideale per il rilevamento del colore, l'immagine viene convertita nello spazio colore HSV. Questo aiuta a separare il colore dalla luminosità, rendendo il rilevamento più stabile in diverse condizioni di illuminazione.
- Soglia del colore: Viene definita una gamma specifica per il colore target nel formato HSV. Questo passaggio crea una maschera binaria, in cui i pixel all'interno della gamma di colori selezionata appaiono bianchi e tutti gli altri appaiono neri.
- Mascheramento: La maschera binaria viene applicata all'immagine originale per isolare il colore rilevato, filtrando tutto il resto. Questo evidenzia solo le aree che corrispondono al colore desiderato.
Una volta che il colore viene rilevato e isolato, può essere utilizzato in varie attività di computer vision, come il tracciamento di oggetti, la segmentazione di immagini e il processo decisionale automatizzato in applicazioni come la robotica, l'imaging medico e i veicoli autonomi.
Link to this sectionIl ruolo del rilevamento del colore nella computer vision#
Ora che abbiamo appreso come funziona il rilevamento del colore, esploriamo come supporta le applicazioni di computer vision.
In alcuni casi, il rilevamento del colore può essere un'alternativa più semplice ai modelli di computer vision, specialmente in ambienti controllati dove il colore è il fattore principale per distinguere gli oggetti. Invece di addestrare un modello con un dataset enorme, il rilevamento del colore offre una soluzione rapida ed efficiente senza la necessità di un'etichettatura estesa o di un'elevata potenza di calcolo.
Ad esempio, in un sistema automatizzato di smistamento delle mele, un modello di computer vision come YOLO11 potrebbe essere addestrato a classificare le mele in base alla maturazione, ma richiederebbe un dataset di immagini etichettate per gestire le variazioni di illuminazione, consistenza e tipi di mela.
Un approccio più diretto consiste nel rilevare prima le mele usando il rilevamento di oggetti e poi analizzare il loro colore per determinarne la maturazione. Poiché questo metodo si basa su soglie di colore predefinite invece che sull'addestramento di un modello, funziona bene in condizioni stabili in cui l'illuminazione e gli sfondi non cambiano drasticamente.
Sebbene un modello personalizzato possa essere migliore per ambienti più complessi e variabili, il rilevamento del colore è una soluzione veloce, pratica e accessibile per le applicazioni in tempo reale. È anche un ottimo punto di partenza per chi impara l'elaborazione delle immagini e la computer vision prima di passare a soluzioni più avanzate.
Link to this sectionApplicazioni nel mondo reale del rilevamento del colore#
Il rilevamento del colore viene utilizzato in un'ampia gamma di settori per varie applicazioni. Diamo un'occhiata ad alcuni casi d'uso nel mondo reale.
Link to this sectionRilevamento del colore per la valutazione della qualità del tessuto#
Il rilevamento del colore è cruciale nella produzione di tessuti e produzione tessile. È comunemente usato nei sistemi automatizzati di controllo qualità e identificazione dei difetti. A differenza dell'ispezione manuale, che richiede tempo ed è soggetta a errori umani, i sistemi automatizzati forniscono un rilevamento dei difetti accurato e in tempo reale.
Nello specifico, analizzando le immagini del tessuto, i sistemi di computer vision possono identificare difetti come distribuzione irregolare del colore, sbiadimento e contaminazione. Tecniche avanzate di rilevamento del colore rendono possibile un controllo qualità più preciso misurando la coerenza del colore tra diversi lotti.
Fig 5. Il rilevamento del colore gioca un ruolo chiave nella creazione di tessuti colorati.
Link to this sectionUtilizzo del rilevamento del colore in agricoltura#
Come accennato in precedenza, il colore è un indicatore chiave della maturazione e la tecnologia di rilevamento del colore può essere utilizzata in agricoltura per monitorare la salute delle colture e migliorare la raccolta.
Analizzando le variazioni di colore, gli agricoltori possono valutare la salute delle piante, rilevare malattie e determinare quando le colture sono pronte per il raccolto. Robot avanzati dotati di sensori di colore e computer vision aiutano ad automatizzare il processo assicurando che vengano raccolte solo le colture mature. Questi sistemi possono aumentare l'efficienza e la produttività, specialmente in aree con carenza di manodopera.
Fig 6. Mango a diversi livelli di maturazione: (a) marcio, (b) maturo e (c) acerbo.
Link to this sectionPunti chiave#
Il rilevamento del colore è un'innovativa tecnica di computer vision con applicazioni in agricoltura, produzione, sanità e automazione. Aiuta le macchine a riconoscere e interpretare i colori per il tracciamento degli oggetti, il controllo qualità e il processo decisionale.
Mentre i modelli avanzati di IA continuano a evolversi, il rilevamento del colore rimane una soluzione semplice ed efficace, specialmente in ambienti controllati. Con l'avanzare della tecnologia, continuerà probabilmente a svolgere un ruolo chiave nel migliorare le applicazioni del mondo reale.
Approfondisci l'IA esplorando la nostra community e il nostro repository GitHub. Scopri le innovazioni nell'IA nella produzione e nella computer vision nella sanità, e scopri come iniziare a sfruttare l'IA visiva con le nostre opzioni di licenza.
