HSV色彩空间转换

可视化调节

1） 构建代码

import cv2
import numpy as np
def show_one_image(image_path):
    # -*- coding:utf-8 -*-
    """
    功能：读取一张图片，显示出来，转化为HSV色彩空间
         并通过滑块调节HSV阈值，实时显示
    """

    image = cv2.imread(image_path) # 根据路径读取一张图片，opencv读出来的是BGR模式
    cv2.imshow("BGR", image) # 显示图片

    hsv_low = np.array([0, 0, 0])
    hsv_high = np.array([0, 0, 0])
    
    # 下面几个函数，写得有点冗余

    def h_low(value):
        hsv_low[0] = value

    def h_high(value):
        hsv_high[0] = value

    def s_low(value):
        hsv_low[1] = value

    def s_high(value):
        hsv_high[1] = value

    def v_low(value):
        hsv_low[2] = value

    def v_high(value):
        hsv_high[2] = value

    cv2.namedWindow('image',cv2.WINDOW_AUTOSIZE)

    #H low：
    #    0：指向整数变量的可选指针，该变量的值反映滑块的初始位置。
    #  179：表示滑块可以达到的最大位置的值为179，最小位置始终为0。
    #h_low：指向每次滑块更改位置时要调用的函数的指针，指针指向h_low元组，有默认值0。
    #（此函数的原型应为void XXX (int, void *); ，其中第一个参数是轨迹栏位置，第二个参数是用户数据（请参阅下一个参数）。如果回调是NULL指针，则不调用任何回调，而仅更新值。）
    cv2.createTrackbar('H low', 'image', 0, 179, h_low) 
    cv2.createTrackbar('H high', 'image', 0, 179, h_high)
    cv2.createTrackbar('S low', 'image', 0, 255