HSV颜色空间介绍

一、HSV颜色空间的概念

HSV（Hue - Saturation - Value）是一种颜色模型，它将颜色描述为三个分量：

• 色调（Hue）：用于区分不同的颜色类别，取值范围通常为0 - 360°（在OpenCV中为0 - 179）。例如，红色大约在0°或180°，绿色在120°左右，蓝色在240°左右。它就像是颜色的“身份标识”，决定了我们看到的是红色、绿色还是其他颜色。
• 饱和度（Saturation）：表示颜色的纯度，取值范围是0 - 100%（在OpenCV等计算机视觉库中为0 - 255）。饱和度越高，颜色越鲜艳；当饱和度为0时，颜色变为灰度，即没有颜色成分，只有亮度信息。
• 明度（Value）：描述颜色的明亮程度，取值范围也是0 - 100%（在计算机视觉库中为0 - 255）。明度为0时表示黑色，明度越高，颜色越亮。

二、RGB转HSV公式

设RGB颜色空间中的颜色值为$(R,G,B)$，其中$R,G,B$的取值范围是0 - 255。转换后的HSV值为$(H,S,V)$，其转换公式如下：

1. 计算$V$（明度）

   • $V=max(R,G,B)$

2. 计算$S$（饱和度）

   • 首先计算$delta=max(R,G,B)-min(R,G,B)$
   • 如果$V=0$，则$S=0$；否则，$S=\frac{delta}{V}$

3. 计算$H$（色调）

   • 如果$S=0$，则$H$未定义（通常设为0）。
   • 当$R=max(R,G,B)$时，$H=60\times (\frac{G-B}{delta}+(G<B?6:0))$
   • 当$G=max(R,G,B)$时，$H=60\times (\frac{B-R}{delta}+2)$
   • 当$B=max(R,G,B)$时，$H=60\times (\frac{R-G}{delta}+4)$

OpenCV中cv2.inRange()函数的应用示例

一、cv2.inRange()函数功能

cv2.inRange()函数用于在图像中提取指定范围内的像素。它根据给定的下限和上限阈值创建一个掩码（mask），掩码中像素值在指定范围内的位置为255（白色，表示满足条件），其他位置为0（黑色，表示不满足条件）。

二、示例代码

import cv2
import numpy as np

# 读取图像
image = cv2.imread('your_image.jpg')
# 将图像从BGR转换为HSV
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义要提取颜色的HSV范围（以提取蓝色为例）
lower_blue = np.array([100, 50, 50])
upper_blue = np.array([140, 255, 255])

# 创建掩码
mask = cv2.inRange(hsv_image, lower_blue, upper_blue)

# 对原图像和掩码进行位运算，提取蓝色物体
result = cv2.bitwise_and(image, image, mask = mask)

# 显示结果
cv2.imshow('Original Image', image)
cv2.imshow('Mask', mask)
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例中：

1. 首先通过cv2.imread()函数读取一张图像，然后使用cv2.cvtColor()函数将其从BGR颜色空间转换为HSV颜色空间。这是因为cv2.inRange()函数在HSV空间中进行颜色范围提取更加方便直观。
2. 接着定义了要提取的蓝色在HSV空间中的范围。lower_blue和upper_blue分别是下限和上限阈值数组，这里的数值是根据蓝色在HSV空间中的大致范围确定的。
3. 使用cv2.inRange()函数创建了一个掩码。这个掩码中只有蓝色物体对应的像素位置为255，其他位置为0。
4. 最后，通过cv2.bitwise_and()函数将原图像和掩码进行位运算，得到只包含蓝色物体的图像。并通过cv2.imshow()函数显示了原始图像、掩码和最终结果，cv2.waitKey(0)等待用户按键，cv2.destroyAllWindows()关闭所有打开的窗口。

请注意，在实际应用中，你需要将your_image.jpg替换为你自己的图像路径。同时，颜色范围的设定可能需要根据具体的图像和提取目标进行调整。