一、色彩空间的转换

代码如下：

#色彩空间转换import cv2 as cvdef color_space_demo(img):    gray =  cv.cvtColor(img, cv.COLOR_BGR2GRAY)  #RGB转换为GRAY #这里的生成的gray图是单通道的

cv.imshow("gray", gray) hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV) #RGB转换为HSV cv.imshow("hsv", hsv) yuv = cv.cvtColor(img, cv.COLOR_RGB2YUV) #RGB转换为YUV cv.imshow("yuv",yuv) Ycrcb = cv.cvtColor(img, cv.COLOR_RGB2YCrCb) #RGB转换为YCrCb cv.imshow("Ycrcb", Ycrcb) src = cv.imread('E:\imageload\example.png') cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE) cv.imshow('first_image', src) color_space_demo(src) cv.waitKey(0) cv.destroyAllWindows()

运行结果：

 

注意：参考博文：

1.RGB就是指Red,Green和Blue,一副图像由这三个channel(通道)构成

2.Gray就是只有灰度值一个channel。 

3.HSV即Hue(色调),Saturation(饱和度)和Value(亮度)三个channel

 

切记（纯属个人理解）：

1.百度百科说，将原来的RGB(R,G,B)中的R,G,B统一按照一种转换关系用Gray替换，形成新的颜色RGB(Gray,Gray,Gray)，用它替换原来的RGB(R,G,B)就是灰度图。

2.opencv里，COLOR_RGB2GRAY是将三通道RGB对象转换为单通道的灰度对象。

3.将单通道灰度对象转换为 RGB 时，生成的RGB对象的每个通道的值是灰度对象的灰度值。

 

 

RGB是为了让机器更好的显示图像,对于人类来说并不直观,HSV更为贴近我们的认知,所以通常我们在针对某种颜色做提取时会转换到HSV颜色空间里面来处理. 

补注：

1.HSV如下图：

2.opencv里HSV色彩空间范围为： H：0-180  S: 0-255   V： 0-255

3.常见的色彩空间有RGB、HSV、HIS、YCrCb、YUV，其中最常用的是RGB、HSV、YUV，其中YUV就是YCrCb(详见百度百科)。其中YUV的“Y”表示明亮度（Luminance或Luma），也就是灰阶值；而“U”和“V” 表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。

 

二、利用inrange函数过滤视频中的颜色，实现对特定颜色的追踪

 代码如下：

#视频特定颜色追踪import cv2 as cvimport numpy as npdef extrace_object_demo():    capture=cv.VideoCapture("E:/imageload/video_example.mp4")    while True:        ret, frame = capture.read()        if ret == False:            break        hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)      #色彩空间由RGB转换为HSV        lower_hsv = np.array([100, 43, 46])             #设置要过滤颜色的最小值        upper_hsv = np.array([124, 255, 255])           #设置要过滤颜色的最大值        mask = cv.inRange(hsv, lower_hsv, upper_hsv)    #调节图像颜色信息（H）、饱和度（S）、亮度（V）区间，选择蓝色区域        cv.imshow("video",frame)        cv.imshow("mask", mask)        c = cv.waitKey(40)        if c == 27:      #按键Esc的ASCII码为27            breakextrace_object_demo()cv.destroyAllWindows()

运行结果：

这里只放追踪蓝色部分的截图，仅供参考

注意：

1.Opencv的inRange函数：可实现二值化功能

函数原型：inRange(src,lowerb, upperb[, dst]) -> dst         

　　函数的参数意义：第一个参数为原数组，可以为单通道，多通道。第二个参数为下界，第三个参数为上界

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

　　第一个参数：hsv指的是原图（原始图像矩阵）

　　第二个参数：lower_blue指的是图像中低于这个lower_blue的值，图像值变为255

　　第三个参数：upper_blue指的是图像中高于这个upper_blue的值，图像值变为255 （255即代表黑色）

　　而在lower_blue～upper_blue之间的值变成0 (0代表白色)

即：Opencv的inRange函数可提取特定颜色，使特定颜色变为白色，其他颜色变为黑色，这样就实现了二值化功能

2.HSV颜色对应的RGB分量范围表如下：（这里是三通道的）

 

三、通道的分离、合并以及某个通道值的修改

代码如下：

#通道的分离与合并以及某个通道值的修改import cv2 as cvsrc=cv.imread('E:\imageload\example.png')cv.namedWindow('first_image', cv.WINDOW_AUTOSIZE)cv.imshow('first_image', src)#三通道分离形成单通道图片b, g, r =cv.split(src)cv.imshow("second_blue", b)cv.imshow("second_green", g)cv.imshow("second_red", r)# 其中cv.imshow("second_red", r)可表示为r = cv2.split(src)[2]#三个单通道合成一个三通道图片src = cv.merge([b, g, r])cv.imshow('changed_image', src)#修改多通道里的某个通道的值src[:, :, 2] = 0cv.imshow('modify_image', src)cv.waitKey(0)cv.destroyAllWindows()

注意：

1.这里用到了opencv的split函数和merge函数，实现通道的分离和合并。

2.cv.split函数分离出的b、g、r是单通道图像