Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Impostazioni dei cookie
Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Sfruttare il rilevamento del colore nelle applicazioni di visione artificiale
Scopri come il rilevamento del colore sia un ponte tra la visione umana e quella computerizzata, utilizzando gli spazi colore RGB e HSV per automatizzare le soluzioni di visione computerizzata.
I colori svolgono un ruolo fondamentale nel modo in cui gli esseri umani percepiscono il mondo, aiutandoci a riconoscere, capire e connetterci con ciò che ci circonda. Tuttavia, a differenza nostra, le macchine non vedono i colori ma li elaborano come dati, traducendo le sfumature e le tonalità in valori numerici.
Un'auto a guida autonoma non si limita a vedere un semaforo rosso: elabora il colore come un segnale di arresto. Questa capacità di riconoscere e interpretare i colori aiuta a colmare il divario tra la visione umana e la visione computerizzata.
La computer vision è una branca dell'intelligenza artificiale che consente alle macchine di analizzare e comprendere i dati visivi. Un aspetto fondamentale 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 di colore, il rilevamento del colore può essere utilizzato in applicazioni come il tracciamento degli oggetti, l'imaging medico e l'automazione.
In questo articolo vedremo da vicino come funziona il rilevamento del colore, perché è importante e come viene utilizzato nelle applicazioni di computer vision. Iniziamo!
Che cos'è il rilevamento del colore?
Il rilevamento del colore aiuta le macchine a identificare gli oggetti e a comprendere le scene in base al colore. Se combinato con altre attività di computer vision, migliora l'accuratezza e le applicazioni del mondo reale. Prima di addentrarci nel funzionamento del rilevamento dei colori, è utile capire come i colori vengono rappresentati digitalmente.
Le immagini digitali sono composte da piccoli quadrati chiamati pixel, ognuno dei quali contiene informazioni sul colore. Ad esempio, per quanto riguarda il modello di colore RGB (Red, Green, Blue), 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 nessun colore e 255 significa piena intensità. Ad esempio, il rosso puro è (255, 0, 0) perché ha il valore più alto di rosso e nessun verde o blu. Il bianco è (255, 255, 255) perché tutti e tre i colori sono alla massima intensità.
Figura 1. Un esempio di come un computer vede i colori di una mela.
Se hai familiarità con i modelli di computer vision come Ultralytics YOLO11potresti chiederti perché il rilevamento del colore sia una tecnica separata dal rilevamento degli oggetti. Sebbene entrambe analizzino le immagini, hanno scopi diversi.
Il rilevamento del colore si concentra sull'identificazione di colori specifici in un'immagine, mentre il rilevamento degli oggetti riconosce e classifica gli oggetti indipendentemente dal loro colore. Nello scenario delle auto a guida autonoma, il rilevamento del colore individua il rosso in un semaforo, mentre il rilevamento dell'oggetto identifica il semaforo stesso, aiutando l'auto a prendere decisioni di guida sicure.
Introduzione agli spazi di colore
Un modello di colore o spazio di colore è un sistema utilizzato per rappresentare i colori nelle immagini digitali ed è una parte fondamentale del rilevamento dei colori. Assegna valori numerici ai colori, consentendo ai computer di interpretarli in modo coerente su diversi dispositivi. Gli spazi di colore forniscono un modo strutturato per memorizzare, regolare e visualizzare i colori nei sistemi digitali.
Alcuni spazi colore comunemente utilizzati sono RGB per i display digitali, HSV (Hue, Saturation, Value) per l'elaborazione delle immagini e CMYK (Cyan, Magenta, Yellow, Black) per la stampa. RGB e HSV sono gli spazi colore più utilizzati per rilevare i colori. Vediamo come funzionano.
Una panoramica dello spazio colore RGB
Lo spazio di 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 al massimo dell'intensità, il risultato è il bianco, mentre quando non ce n'è nessuno, il colore appare nero.
Questo spazio cromatico viene spesso visualizzato come un cubo di colori, dove ogni asse rappresenta uno dei colori primari. Gli angoli del cubo mostrano il rosso, il verde e il blu puri e le loro combinazioni, mentre l'interno contiene tutte le sfumature possibili.
Sebbene l'RGB sia semplice e popolare, presenta alcune limitazioni. I colori non appaiono sempre uguali all'occhio umano perché l'RGB non corrisponde in modo uniforme al modo in cui percepiamo le differenze di colore. Inoltre, è influenzato dalle condizioni di luce: i colori possono apparire diversi a seconda della luminosità e dell'ambiente.
Lo spazio di colore HSV (Hue, Saturation, Value) rappresenta i colori in base a tre componenti: la tonalità (il tipo di colore), la saturazione (la sua intensità) e il 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, il che lo rende 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 il grado di vivacità o opacità di un colore, dove lo 0% è completamente grigio e il 100% è completamente vivace. D'altra parte, il valore determina la luminosità, che va dallo 0% (nero) al 100% (piena luminosità).
È interessante notare che lo spazio di colore HSV viene spesso visualizzato come un cono, dove la tinta si avvolge intorno al bordo, la saturazione si sposta 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.
Per confrontare RGB e HSV, prendiamo come esempio il colore arancione. Nello spazio colore RGB, l'arancione viene creato mescolando il rosso e il verde a intensità specifiche, tipicamente rappresentate come (255, 165, 0) - il che significa tutto rosso, un po' di verde e niente blu. Tuttavia, poiché RGB non separa il colore dalla luminosità, può essere meno intuitivo per le attività che richiedono una manipolazione precisa del colore.
In HSV, l'arancione è definito in modo diverso. La sua tonalità è di circa 30°, il che determina la sua posizione sulla ruota dei colori. La sua saturazione è vicina al 100%, il che significa che è un colore vivido e puro, e il suo valore è anch'esso del 100%, il che indica la massima 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.
Figura 4. Confronto tra i valori RGB e HSV. Immagine dell'autore.
Come funziona il rilevamento del colore
In genere, il rilevamento dei colori viene affrontato 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 delle immagini si basano su spazi di colore e tecniche di soglia per differenziare tinte, sfumature e intensità specifiche.
Ecco una rapida panoramica delle fasi principali del rilevamento del colore tramite l'elaborazione delle immagini:
Acquisizione dell'immagine: Il processo inizia con l'acquisizione di un'immagine o di un fotogramma video tramite una fotocamera. L'immagine viene solitamente memorizzata in formato RGB come matrice di pixel.
Conversione dello spazio colore: Poiché l'RGB non è sempre ideale per il rilevamento dei colori, 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 definito un intervallo specifico per il colore di destinazione nel formato HSV. Questo passaggio crea una maschera binaria in cui i pixel che rientrano nell'intervallo di colore selezionato 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. In questo modo si evidenziano solo le aree che corrispondono al colore desiderato.
Una volta che il colore è stato rilevato e isolato, può essere utilizzato in diverse attività di computer vision, come il tracciamento degli oggetti, la segmentazione delle immagini e il processo decisionale automatizzato in applicazioni come la robotica, l'imaging medico e i veicoli autonomi.
Il ruolo del rilevamento del colore nella computer vision
Ora che abbiamo imparato come funziona il rilevamento del colore, analizziamo 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, soprattutto in ambienti controllati dove il colore è il fattore principale per distinguere gli oggetti. Invece di addestrare un modello con un enorme set di dati, il rilevamento dei colori 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 di selezione automatica delle mele, un modello di computer vision come YOLO11 potrebbe essere addestrato per classificare le mele in base al grado di maturazione, ma richiederebbe un set di immagini etichettate per gestire le variazioni di illuminazione, consistenza e tipi di mele.
Un approccio più semplice consiste nel rilevare prima le mele utilizzando il rilevamento degli oggetti e poi analizzarne il colore per determinare la maturazione. Poiché questo metodo si basa su soglie di colore predefinite invece di addestrare un modello, funziona bene in condizioni stabili in cui l'illuminazione e gli sfondi non cambiano drasticamente.
Anche se un modello addestrato su misura potrebbe 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 sta imparando a conoscere l'elaborazione delle immagini e la computer vision prima di passare a soluzioni più avanzate.
Applicazioni del mondo reale del rilevamento del colore
Il rilevamento del colore viene utilizzato in un'ampia gamma di settori per diverse applicazioni. Diamo un'occhiata ad alcuni casi d'uso reali.
Rilevamento del colore per la valutazione della qualità del tessuto
Il rilevamento del colore è fondamentale nella produzione di tessuti e stoffe. Viene comunemente utilizzato nei sistemi automatizzati di controllo della qualità e di identificazione dei difetti. A differenza dell'ispezione manuale, che richiede molto tempo ed è soggetta a errori umani, i sistemi automatizzati consentono di rilevare i difetti in modo accurato e in tempo reale.
In particolare, analizzando le immagini dei tessuti, i sistemi di visione computerizzata possono identificare difetti come la distribuzione non uniforme della tintura, lo sbiadimento e la contaminazione. Le tecniche avanzate di rilevamento del colore rendono possibile un controllo di qualità più preciso, misurando la coerenza dei colori tra i diversi lotti.
Figura 5. Il rilevamento del colore gioca un ruolo fondamentale nella creazione di tessuti colorati.
Utilizzo del rilevamento del colore in agricoltura
Come già detto, il colore è un indicatore chiave della maturazione e la tecnologia di rilevamento del colore può essere utilizzata in agricoltura per monitorare lo stato di salute dei raccolti e migliorare la raccolta.
Analizzando le variazioni di colore, gli agricoltori possono valutare lo stato di salute delle piante, individuare le malattie e determinare quando le colture sono pronte per il raccolto. I robot avanzati dotati di sensori di colore e di visione computerizzata aiutano ad automatizzare il processo, assicurando che vengano raccolti solo i raccolti maturi. Questi sistemi possono aumentare l'efficienza e la produttività, soprattutto nelle aree con carenza di manodopera.
Figura 6. Mango a diversi livelli di maturazione: (a) marcio, (b) maturo e (c) acerbo.
Punti di forza
Il rilevamento dei colori è una tecnica innovativa di visione computerizzata che trova applicazione in agricoltura, produzione, sanità e automazione. Aiuta le macchine a riconoscere e interpretare i colori per tracciare gli oggetti, controllare la qualità e prendere decisioni.
Mentre i modelli avanzati di intelligenza artificiale continuano ad evolversi, il rilevamento del colore rimane una soluzione semplice ed efficace, soprattutto in ambienti controllati. Con il progredire della tecnologia, probabilmente continuerà a svolgere un ruolo chiave nel miglioramento delle applicazioni reali.
