OpenCV_Python官方文档9——转换颜色空间&颜色过滤

OpenCV-Python Tutorials

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

1.转换颜色空间

OpenCV中默认的颜色通道为BGR模式，在标准的24bit颜色空间图像中存储字节依次为蓝色部分，绿色，红色部分。而在调用matplotlib库显示图片时，默认颜色通道为RGB模式，所以在输出图像之前要进行一步转换颜色通道。
并且不同的颜色空间有着不同的特性，应用在不同的领域。为了满足不同用途的需要，人们开发了不同的颜色空间。在实际中需要进行不同颜色空间的选择和转换。

主要函数

• cv2.cvtColor()
  用来转换颜色空间。共两个参数，第一个参数是要转换的图片，第二个参数是转换模式。比如 cv2.COLOR_BGR2GRAY 就代表要将BGR（OpenCV 读取彩色图像的方式）转换为灰度模式，再返回转换后的图像。

该函数的转换模式较多，具体请点击这里获得更多转换模式。
也可通过以下代码查看

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

常用的颜色空间转换模式有cv2.COLOR_BGR2GRAY, cv2.COLOR_RGB2HSV,cv2.COLOR_BGR2HLS
其中，HSV格式，H（色调）的取值范围为 [0，179]， S（饱和度）的取值范围为 [0，255]，V（亮度）的取值范围为 [0，255]。

注意：不同的软件使用的值可能不同，在进行颜色空间转换时，RGB各个通道的取值范围应当根据实际需要来进行归一化，如RGB转到LUV通道时，需要将RGB归一化为32为浮点数，及各个通道的值变化范围是0到1。

数字图像处理和计算机视觉领域，在遇到应用问题时，该如何选择合适的色彩空间。图像处理使用HIS较多，图形学使用HSV较多。图像分割使用HSV较多。

2.物体追踪

可以应用转换颜色空间，来进行物体追踪，提取带有某个特定颜色的物体。在 HSV 颜色空间中比在 BGR 空间中更容易表示一个特定颜色。

主要函数

• cv2.cvtColor() ：转换颜色
• dst = cv2.inRange(src, lowerb, upperb[, dst]) ：设定颜色取值范围，去除背景部分，将背景颜色变为黑色
  • src：输入原始图像
  • lowerb：阈值下限，图像中低于lowerb的值变为0
  • upperb：阈值上限，图像中高于upperb的值变为0
  • 位于lowerb~upperb之间的值变为255–白色
  • dst：输出和输入图像大小相同的图像
    对于单通道的输入图像：
    d s t ( I ) = l o w e r b ( I ) 0 < = s r c ( I ) 0 < = u p p e r b ( I ) 0 dst(I)=lowerb(I)_0<=src(I)_0<=upperb(I)_0