opencv颜色空间转换

Opencv中有数百种关于在不同色彩空间之间转换的方法。当前，在计算机视觉中有三种常见的色彩空间：灰度，BGR以及HSV（Hue:色调，Saturation:饱和度，Value:黑暗的程度）

1）.灰度色彩空间是通过去除彩色信息来将其转换成灰阶，灰度色彩空间对中间处理特别有效，比如人脸检测。

2）.BGR,即蓝-绿-红色彩空间，每一个像素点都由一个三元数组来表示，分别代表蓝、绿、红三种颜色。网页开发者可能熟悉另一个与之相似的颜色空间：RGB，它们只是在颜色的顺序上不同。

3）.HSV,H(Hue)是色调，S(Saturation)是饱和度,V(Value)表示黑暗的程度（或光谱另一端的明亮程度）

BGR的简短说明：当第一次处理BGR色彩空间时，可以不要其中的一个色彩分量，比如像素值[0, 255, 255]（没有蓝色，绿色分量取最大值，红色分量取最大值）表示黄色。

PS:计算机所使用的颜色模型具有可加性并且处理的是光照，而绘画遵从的是减色模型，计算机使用显示器发光来做颜色的媒介，故计算机上的软件使用的是加色模型。

1.转换颜色空间

在 OpenCV 中有 超过百种进行颜色空间转换的方法。但是你以后就会发现我们经常用到的也就两种：BGR↔Gray 和 BGR↔HSV。

我们用到的函数是cv2.cvtColor(input_imageflag)，其中flag就是转换类型。

对于BGR↔Gray的转换，我们使用的flag就是cv2.COLOR_BGR2GRAY。

同样对于BGR↔HSV的转换我们用的flag就是cv2.COLOR_BGR2HSV。

import cv2

flags = [i for i in dir(cv2) if i.startswith('COLOR_')]

print(len(flags))  #274

PS：在 OpenCV 的 HSV 格式中，H（色彩/色度）的取值范围是 [0，179]， S（饱和度）的取值范围 [0，255]，V（亮度）的取值范围 [0，255]。但是不同的软件使用的值可能不同。所以当你拿 OpenCV 的 HSV 值与其他软件的 HSV 值对比时，一定要记得归一化。

2.目标跟踪（针对颜色）cv2.inRange()  cv2.bitwise_and()

现在我们知道如何将BGR图像转换为HSV，我们可以使用它来提取彩色对象。在HSV中，表示颜色比表示RGB颜色空间更容易。在我们的应用程序中，我们将尝试提取蓝色对象。下面是方法:

import cv2

import numpy as np

img = cv2.imread('pinggai.jpg')

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)  #转换到HSV

#设定蓝色的阀值

lower_blue = np.array([110,50,50])

upper_blue = np.array([130,255,255])

#根据阀值构建掩模

mask = cv2.inRange(hsv,lower_blue,upper_blue)

#对原图和掩模进行位运算

res = cv2.bitwise_and(img,img,mask,mask)

cv2.imshow('img',img)

cv2.imshow('mask',mask)

cv2.imshow('res',res)

k = cv2.waitKey()

cv2.destroyAllWindows()

PS：噪点还是很多，想啊哟更好看点，需要消减噪音

3.找到要跟踪对象的HSV值

只需传递所需的BGR值，而不是传递图像

green = np.uint8([[[0,255,0 ]]])

hsv_green = cv2.cvtColor(green,cv2.COLOR_BGR2HSV)

print(hsv_green)   # [[[ 60 255 255]]]

现在你把[ H - 10，100，100 ]和[ H + 10，255，255 ]分别作为下界和上界。除此之外，您还可以使用任何图像编辑工具(如GIMP或任何在线转换器)来查找这些值，但不要忘记调整HSV范围