介绍了HSV颜色模型和OpenCV的颜色分量范围[推荐收藏]

在图像处理和计算机视觉领域，颜色模型是理解和分析图像颜色的基础。OpenCV作为一种广泛使用的计算机视觉库，支持各种颜色空间󿀌HSV（Hue, Saturation, Value）由于其直观性和易用性，颜色模型，广泛应用于图像处理和色彩分析。

文章目录。

• 一、HSV颜色模型概述。
• • 1.1 色调（Hue）
  • 1.2 饱和度（Saturation）
  • 1.3 明度（Value）
• 二、OpenCV中HSV的颜色分量范围。
• • 2.1 分量范围。
  • 2.2 基本色分量范围表。
• 三、应用HSV颜色模型。
• • 3.1 示例代码。
• 四、结论。
• 书籍推荐。

一、HSV颜色模型概述。

HSV色彩模型是一种基于人眼感知色彩的色彩空间，由A. R. Smith于1978年提出。它将颜色分解成颜色（Hue）、饱和度（Saturation）和谐度（Value）三个重量，颜色以直观的方式表达。HSV颜色模型可以用圆锥体或圆柱体来描述，色调H用极坐标的极角表示，饱和度S用极坐标的极轴长度表示，亮度V用圆柱体的高度表示。

1.1 色调（Hue）

色调H表示颜色类别，用角度测量#xff0c;取值范围为0°～360°。在HSV模型中，颜色从红色开始，逆时针计算，红色为0°，绿色为120°，蓝色为240°。

1.2 饱和度（Saturation）

饱和度S表示颜色接近光谱色的程度，0%～100%。饱和度越高，#xff0c;颜色越深，颜色越亮；饱和度越低，#xff0c;颜色越浅，越接近白色。在HSV模型中，饱和度为0%，表示纯白色󿀌此时，颜色不含任何光谱色成分。

1.3 明度（Value）

亮度V表示颜色的亮度，值的范围也是0%～100%。明度越高，颜色越亮，#xff11b;明度越低，颜色越暗。当明度为0%时，#xff0c;颜色最暗󿀌黑色。在HSV模型中，明度V与颜色的亮度直接相关，但与颜色的类型和饱和度无关。

二、OpenCV中HSV的颜色分量范围。

2.1 分量范围。

࿰在OpenCV中c;HSV颜色模型的具体重量范围如下：

• H࿱的色调a;0～180（注意，这与标准HSV模型中的0࿵相同e;360°不同，Opencv将色调的值范围归一化，为了使内部处理更高效）
• 饱和度S：0～255（0%࿵在标准HSV模型中e;100%不同，OpenCV使用0～255表示）
• 明度V༚0～255（同样，0%࿵在标准HSV模型中e;100%不同，OpenCV使用0～255表示）

这种表达方式使在OpenCV中处理HSV颜色更加直观和方便c;因为所有的颜色分量都可以用相同的整数范围来表示。

2.2 基本色分量范围表。

2.2 基本色分量范围表如下（注意：下表来源于网络实验，可能会有一点误差。）：

三、应用HSV颜色模型。

在OpenCV中，HSV颜色模型常用于图像的颜色分割、颜色过滤和颜色识别。例如，在提取图像中特定颜色的物体时，首先，图像可以从BGR颜色空间转换为HSV颜色空间󿀌然后根据目标颜色的色调、饱和度和亮度创建掩码（mask），最后，目标物体通过掩码提取。

3.1 示例代码。

以下是使用OpenCV将BGR图像转换为HSV图像，提取特定颜色（如绿色）示例代码：

import。cv2。import。numpy。 as。np。# 读取图像。img。 =cv2。.。imread。(。'image.jpg')。# 将BGR图像转换为HSV图像。hsv_img。 =cv2。.。cvtColor。(。img。,cv2。.。COLOR_BGR2HSV。)。# 定义绿色的色调、饱和度和亮度。lower_green。 =np。.。array。(。[。35。,43。,46。]。)。upper_green。 =np。.。array。(。[。77。,255。,255。]。)。# 根据颜色范围创建掩码。mask。 =cv2。.。inRange。(。hsv_img。,lower_green。,upper_green。)。# 用掩码提取绿色部分。result。 =cv2。.。bitwise_and。(。img。,img。,mask。=mask。)。# 显示结果。cv2。.。imshow。(。'Original Image',img。)。cv2。.。imshow。(。'Mask',mask。)。cv2。.。imshow。(。'Result',result。)。cv2。.。waitKey。(。0)。cv2。.。destroyAllWindows。(。)。

￰在上述代码中c;首先，我们读一张图像󿀌并将其从BGR色彩空间转化为HSV色彩空间。然后，我们定义了绿色色调、饱和度和亮度范围，并创建了一个掩码。最后，我们用掩码从原图中提取绿色部分，并显示结果。

四、结论。

HSV颜色模型以其直观性和易用性，在OpenCV的图像处理和色彩分析中发挥着重要作用。通过了解HSV颜色模型及其颜色重量范围，我们可以更灵活、更有效地处理图像中的颜色信息。

书籍推荐。

Python和Pyspark数据分析;数据科学与大数据技术）

Spark数据处理引擎是一个惊人的分析工厂：输入原始数据󿀌输出洞察。PySpark用基于Python的API包装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，任何在Python数据生态系统中工作的人都可以使用这个强大的工具。

Python和PySpark数据分析有助于您使用PySpark来解决数据科学的日常挑战。您将学习如何跨多台机器扩展处理能力󿀌同时，从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，通过构建机器学习管道，并配合Python、pandas和pyspark代码，探索PySpark的综合多功能特性。

主要内容：

● 组织PySpark代码。

● 管理任何规模的数据。

● 自信地扩展你的数据项目。

● 解决常见的数据管道问题。

● 创建可靠的长期运行任务。

京东：https://item.jd.com/14238656.html。

当当：https://product.dangdang.com/29643891.html。