Sfruttare il rilevamento dei colori nelle applicazioni di visione artificiale

I colori svolgono un ruolo fondamentale nel modo in cui percepiamo il mondo: ci aiutano a riconoscere, comprendere e vivere ciò che ci circonda. Le macchine, però, a differenza nostra, non vedono i colori: li elaborano come dati, traducendo sfumature e tonalità in valori numerici.

Un'auto a guida autonoma non si limita a vedere un semaforo rosso: elabora il colore come un segnale che indica di fermarsi. Questa capacità di riconoscere e interpretare i colori contribuisce a colmare il divario tra visione umana e computer vision.

La visione artificiale è un ramo dell’IA che consente alle macchine di analizzare e comprendere i dati visivi. Un aspetto fondamentale è il rilevamento dei colori, che permette alle macchine di identificare e distinguere gli oggetti in base al colore. Analizzando i valori dei pixel in diversi spazi colore, il rilevamento dei colori può essere utilizzato in applicazioni come il tracciamento degli oggetti, l’imaging medico e l’automazione.

In questo articolo vedremo più da vicino come funziona il rilevamento dei colori, perché è importante e come viene usato nelle applicazioni di computer vision.

Che cos’è il rilevamento dei colori?#

Il rilevamento dei colori aiuta le macchine a identificare gli oggetti e a comprendere le scene in base al colore. Se combinato con altre attività di visione artificiale, migliora la precisione e potenzia le applicazioni del mondo reale. Prima di approfondire il funzionamento del rilevamento dei colori, è utile capire come vengono rappresentati digitalmente i colori.

Le immagini digitali sono composte da minuscoli quadrati chiamati pixel, ognuno dei quali contiene informazioni sul colore. Per esempio, nel modello di colore RGB (rosso, verde, blu), i colori si creano mescolando diverse intensità di rosso, verde e blu.

Ogni colore è definito da tre valori, compresi tra 0 e 255, dove 0 indica l’assenza di colore e 255 l’intensità massima. Per esempio, il rosso puro è (255, 0, 0), perché ha il valore massimo per il rosso e nessun valore per il verde o il blu. Il bianco è (255, 255, 255), perché tutti e tre i colori hanno la massima intensità.

Fig. 1. Un esempio di come un computer vede i colori di una mela.

Se conosci modelli di visione artificiale come Ultralytics YOLO11, potresti chiederti perché il rilevamento dei colori sia una tecnica distinta dal rilevamento degli oggetti. Sebbene entrambi analizzino le immagini, hanno scopi diversi.

Il rilevamento dei colori si concentra sull’identificazione di colori specifici in un’immagine, mentre il rilevamento degli oggetti riconosce e classifica gli oggetti a prescindere dal loro colore. Nel caso dell’auto a guida autonoma, il rilevamento dei colori individua il rosso di un semaforo, mentre il rilevamento degli oggetti identifica il semaforo stesso, aiutando l’auto a prendere decisioni sicure durante la guida.

Introduzione agli spazi colore#

Un modello o spazio colore è un sistema utilizzato per rappresentare i colori nelle immagini digitali ed è un elemento fondamentale del rilevamento dei colori. Assegna valori numerici ai colori, consentendo ai computer di interpretarli in modo coerente su dispositivi diversi. Gli spazi colore forniscono un metodo strutturato per memorizzare, modificare e visualizzare i colori nei sistemi digitali.

Tra gli spazi colore più usati ci sono RGB per gli schermi digitali, HSV (tonalità, saturazione, valore) per l’elaborazione delle immagini e CMYK (ciano, magenta, giallo, nero) per la stampa. RGB e HSV sono gli spazi colore più usati per rilevare i colori. Ecco come funzionano.

Panoramica dello spazio colore RGB#

Lo spazio colore RGB è ampiamente utilizzato nell’imaging digitale ed è 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 raggiungono la massima intensità, il risultato è il bianco; quando sono tutti assenti, il risultato è il nero.

Questo spazio colore viene spesso rappresentato come un cubo, in cui ogni asse corrisponde a uno dei colori primari. I vertici del cubo mostrano il rosso, il verde e il blu puri, insieme alle loro combinazioni, mentre l’interno racchiude tutte le sfumature possibili.

Sebbene RGB sia semplice e popolare, presenta alcuni limiti. I colori potrebbero non apparire sempre uguali all’occhio umano, perché RGB non riflette in modo uniforme il modo in cui percepiamo le differenze cromatiche. Inoltre, risente delle condizioni di illuminazione: i colori possono apparire diversi a seconda della luminosità e dell’ambiente.

Fig. 2. Il cubo dei colori RGB.

Panoramica dello spazio colore HSV#

Lo spazio colore HSV (tonalità, saturazione, valore) rappresenta i colori con tre componenti: la tonalità (il tipo di colore), la saturazione (la sua intensità) e il valore (la sua luminosità). A differenza di RGB, che combina le intensità luminose, HSV è più vicino al modo in cui gli esseri umani percepiscono i colori e risulta quindi più pratico per molte attività di elaborazione delle immagini.

In particolare, la tonalità rappresenta il colore vero e proprio ed è misurata in gradi sulla ruota dei colori, con il rosso a 0° e il blu a 240°. La saturazione determina quanto un colore appare vivido o spento: 0% corrisponde al grigio completo e 100% alla massima vivacità. Il valore, invece, determina la luminosità, che va dallo 0% (nero) al 100% (luminosità massima).

È interessante notare che lo spazio colore HSV viene spesso rappresentato come un cono: la tonalità si sviluppa lungo il bordo, la saturazione aumenta verso l’esterno e la luminosità cresce dal basso verso l’alto. Poiché separa il colore dalla luminosità, HSV è ampiamente utilizzato nelle applicazioni di visione artificiale.

Fig. 3. Il cono HSV.

Confronto tra gli spazi colore RGB e HSV#

Per confrontare direttamente RGB e HSV, prendiamo come esempio il colore arancione. Nello spazio colore RGB, l’arancione si ottiene mescolando rosso e verde a intensità specifiche, rappresentate in genere come (255, 165, 0), che corrispondono a rosso al massimo, un po’ di verde e nessun blu. Tuttavia, poiché RGB non separa il colore dalla luminosità, può essere meno intuitivo per le attività che richiedono una manipolazione precisa dei colori.

In HSV, l'arancione è definito in modo diverso. La tonalità è di circa 39°, valore che ne determina la posizione sulla ruota dei colori. La saturazione è vicina al 100%, il che significa che è un colore vivido e puro, e anche il valore è del 100%, indicando la massima luminosità. Poiché HSV separa il colore dalla luminosità, spesso risulta più utile nelle applicazioni di rilevamento dei colori, in cui le condizioni di illuminazione possono cambiare.

Fig. 4. Confronto tra i valori RGB e HSV. Immagine dell’autore.

Come funziona il rilevamento dei colori#

In genere, il rilevamento dei colori viene affrontato come una tecnica di elaborazione delle immagini usata per identificare e isolare i colori in immagini o video. Il rilevamento dei colori nelle immagini tramite l’elaborazione delle immagini si basa sugli spazi colore e sulle tecniche di soglia per distinguere tonalità, sfumature e intensità specifiche.

Ecco una rapida panoramica dei passaggi principali per rilevare i colori tramite l’elaborazione delle immagini:

• Acquisizione delle immagini: il processo inizia acquisendo un’immagine o un fotogramma video con una fotocamera. L’immagine viene solitamente memorizzata in formato RGB come matrice di pixel.
• Conversione dello spazio colore: poiché RGB non è sempre l’ideale per il rilevamento dei colori, l’immagine viene convertita nello spazio colore HSV. Questo permette di separare il colore dalla luminosità, rendendo il rilevamento più stabile in diverse condizioni di illuminazione.
• Sogliatura dei colori: si definisce un intervallo specifico per il colore da individuare nel formato HSV. Questo passaggio crea una maschera binaria in cui i pixel compresi nell’intervallo di colori selezionato appaiono bianchi e tutti gli altri neri.
• Applicazione della maschera: la maschera binaria viene applicata all’immagine originale per isolare il colore rilevato ed eliminare tutto il resto. In questo modo vengono evidenziate solo le aree che corrispondono al colore desiderato.

Una volta rilevato e isolato il colore, è possibile utilizzarlo in diverse attività di visione artificiale, come il tracciamento degli oggetti, la segmentazione delle immagini e il processo decisionale automatizzato in applicazioni quali la robotica, l’imaging medico e i veicoli autonomi.

Il ruolo del rilevamento dei colori nella visione artificiale#

Ora che abbiamo visto come funziona il rilevamento dei colori, scopriamo come supporta le applicazioni di visione artificiale.

In alcuni casi, il rilevamento dei colori può essere un’alternativa più semplice ai modelli di visione artificiale, soprattutto negli ambienti controllati in cui il colore è il principale fattore per distinguere gli oggetti. Anziché addestrare un modello con un dataset enorme, il rilevamento dei colori offre una soluzione rapida ed efficiente senza richiedere un’etichettatura estesa o una grande potenza di calcolo.

Per esempio, in un sistema automatizzato di selezione delle mele, si potrebbe addestrare un modello di visione artificiale come Ultralytics YOLO11 per classificare le mele in base alla maturazione, ma servirebbe un dataset di immagini annotate per gestire le variazioni di illuminazione, consistenza e varietà di mele.

Un metodo più semplice consiste nel rilevare prima le mele tramite il rilevamento degli oggetti e poi analizzarne il 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.

Un modello addestrato su misura può essere più adatto ad ambienti complessi e variabili, ma il rilevamento dei colori è una soluzione rapida, pratica e accessibile per le applicazioni in tempo reale. È anche un ottimo punto di partenza per chi vuole imparare a conoscere l’elaborazione delle immagini e la visione artificiale prima di passare a soluzioni più avanzate.

Applicazioni del rilevamento dei colori nel mondo reale#

Il rilevamento dei colori viene utilizzato in molti settori per diverse applicazioni. Diamo uno sguardo ad alcuni casi d’uso nel mondo reale.

Rilevamento dei colori per la valutazione della qualità dei tessuti#

Il rilevamento dei colori è fondamentale nella produzione dei tessuti. Viene comunemente utilizzato nei sistemi automatizzati di controllo qualità e identificazione dei difetti. A differenza dell’ispezione manuale, che richiede molto tempo ed è soggetta a errori umani, i sistemi automatizzati rilevano i difetti con precisione e in tempo reale.

In particolare, analizzando le immagini dei tessuti, i sistemi di visione artificiale possono identificare difetti come la distribuzione non uniforme della tintura, lo sbiadimento e la contaminazione. Le tecniche avanzate di rilevamento dei colori rendono possibile un controllo qualità più preciso, misurando la coerenza cromatica tra diversi lotti.

Fig. 5. Il rilevamento dei colori svolge un ruolo fondamentale nella creazione di tessuti colorati.

Uso del rilevamento dei colori in agricoltura#

Come accennato in precedenza, il colore è un indicatore fondamentale della maturazione e la tecnologia di rilevamento dei colori 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 le malattie e stabilire quando le colture sono pronte per la raccolta. Robot avanzati dotati di sensori di colore e sistemi di visione artificiale contribuiscono ad automatizzare il processo, assicurando che vengano raccolte solo le colture mature. Questi sistemi possono aumentare l'efficienza e la produttività, soprattutto nelle aree in cui scarseggia la manodopera.

Fig. 6. Mango a diversi stadi di maturazione: (a) marcio, (b) maturo e (c) acerbo.

Punti chiave#

Il rilevamento dei colori è una tecnica pratica di computer vision, applicabile 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.

Anche se i modelli avanzati di IA continuano a evolversi, il rilevamento dei colori resta una soluzione semplice ed efficace, soprattutto negli ambienti controllati. Con il progresso della tecnologia, continuerà probabilmente a svolgere un ruolo fondamentale 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 visione artificiale in ambito sanitario, e scopri come iniziare a sfruttare l'IA visiva con le nostre opzioni di licenza.