1.目标

• 在本教程中，你将学习如何将图像从一个色彩空间转换到另一个，像BGR↔灰色，BGR↔HSV等
• 除此之外，我们还将创建一个应用程序，以提取视频中的彩色对象
• 你将学习以下功能：cv2.cvtColor，**cv2.inRange**等。

2.改变颜色空间

在 OpenCV 中有超过 150 种颜色空间转换的方法。但我们仅需要研究两个最常使用的方法，他们是 BGR 到 Gray，BGR 到 HSV。

我们使用 cv2.cvtColor(input_image, flag)函数进行颜色转换，其中 flag 决定了转换的类型。

对于 BGR 到 Gray 转换我们令 flag 为 **cv2.COLOR_BGR2GRAY**。 同样，对于 BGR 到 HSV, 我们令 flag 为 **cv2.COLOR_BGR2HSV**。

代码：

import cv2


image = r'D:\study\EmotionDetection_RealTime-master\data\data\te\01.jpg'
image = cv2.imread(image)

#颜色转换
img1 = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
img2 = cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
cv2.imshow('s',image)
cv2.imshow('img1',img1)
cv2.imshow('img2',img2)

cv2.waitKey(0)
cv2.destroyAllWindows()

注意 对于 HSV, 色调(Hue)范围为 [0,179], 饱和度(Saturation)范围为 [0,255] ，明亮度(Value)为 [0,255]. 不同的软件使用不同的比例. 所以如果你想用 OpenCV 的值与别的软件的值作对比，你需要归一化这些范围。

结果输出：

3.目标颜色区域提取

现在我们知道了如何将 BGR 图片转化为 HSV 图片，我们可以使用它去提取彩色对象。HSV 比 BGR 在颜色空间上更容易表示颜色。在我们的应用中，我们会尝试提取一个感兴趣的彩色对象，方法为：

• 将 BGR 转化为 HSV 颜色空间。
• 点击图像对应区域获得HSV值
• 获取感兴趣的彩色区域

代码:

import cv2
import numpy as np


image = r'D:\study\EmotionDetection_RealTime-master\data\data\te\03.jpg'
# image = cv2.imread(image)

import cv2
import numpy as np
from matplotlib import pyplot as plt

image=cv2.imread(image)
HSV=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
def getpos(event,x,y,flags,param):
    if event==cv2.EVENT_LBUTTONDOWN: #定义一个鼠标左键按下去的事件
        print(HSV[y,x])

cv2.imshow("imageHSV",HSV)
cv2.imshow('image',image)
cv2.setMouseCallback("imageHSV",getpos)
cv2.waitKey(0)

lower_blue = np.array([0, 0, 190])
upper_blue = np.array([180, 200, 255])
# Threshold the HSV image to get only blue colors
mask = cv2.inRange(HSV, lower_blue, upper_blue)
cv2.imshow('mask',mask)


cv2.waitKey(0)
cv2.destroyAllWindows()

输出：

 

 HSV=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)
def getpos(event,x,y,flags,param):
    if event==cv2.EVENT_LBUTTONDOWN: #定义一个鼠标左键按下去的事件
        print(HSV[y,x])

您提供的代码片段是使用OpenCV库（通常以cv2导入）来处理图像的一部分。这段代码的作用是将图像从BGR颜色空间转换到HSV颜色空间，并且定义了一个鼠标事件处理函数，当用户在图像上左键点击时，它会打印出点击位置像素的HSV值。

下面是这段代码的详细解释：

1. HSV=cv2.cvtColor(image,cv2.COLOR_BGR2HSV)：这行代码将输入的image（应该是BGR格式的numpy数组）转换为HSV颜色空间。OpenCV默认读取图像为BGR格式，而HSV颜色空间对于某些图像处理任务（如颜色分割）更加方便。

2. def getpos(event,x,y,flags,param):：这定义了一个名为getpos的函数，它将作为回调函数用于处理OpenCV窗口中的鼠标事件。这个函数接收五个参数：event（事件类型），x和y（鼠标点击的坐标），flags（其他参数），param（用户定义的参数）。

3. if event==cv2.EVENT_LBUTTONDOWN:：这行代码检查event参数是否为cv2.EVENT_LBUTTONDOWN，即鼠标左键是否被按下。

4. print(HSV[y,x])：如果在图像上发生了鼠标左键点击事件，这行代码会打印出鼠标点击位置像素的HSV值。这里HSV[y,x]访问的是转换到HSV颜色空间后的图像数组，在(x,y)位置的像素值。

lower_blue = np.array([0, 0, 190])
upper_blue = np.array([180, 200, 255])
# Threshold the HSV image to get only blue colors
mask = cv2.inRange(HSV, lower_blue, upper_blue)
cv2.imshow('mask',mask)

您提供的代码片段是使用OpenCV库来创建一个蓝色颜色范围的掩码（mask），并将这个掩码显示在窗口中。这段代码是在HSV颜色空间中操作的，这是进行颜色识别和分割的常用方法。

下面是这段代码的详细解释：

1. lower_blue = np.array([0, 0, 190])：这行代码定义了蓝色在HSV颜色空间中的低阈值。这里，蓝色的色调（H）从0开始，饱和度（S）从0开始，亮度（V）从190开始。这意味着，亮度高于190的非常浅的蓝色将被排除在外。

2. upper_blue = np.array([180, 200, 255])：这行代码定义了蓝色在HSV颜色空间中的高阈值。色调（H）的上限是180（在HSV颜色空间中，蓝色的范围是从0到180，然后再次从180到0，所以这里包括了所有的蓝色），饱和度（S）的上限是200，亮度（V）的上限是255（最大值）。

3. mask = cv2.inRange(HSV, lower_blue, upper_blue)：这行代码使用cv2.inRange函数创建了一个掩码，这个掩码包含了输入图像HSV中所有在lower_blue和upper_blue阈值范围内的像素。在掩码中，这些像素被设置为白色（255），而不在阈值范围内的像素被设置为黑色（0）。

4. cv2.imshow('mask',mask)：这行代码显示了创建的掩码。在显示的窗口中，白色的区域代表了图像中蓝色的部分，黑色的区域则代表其他颜色。

要使这段代码完整工作，您需要确保已经读取了图像并将其转换为HSV颜色空间，如之前提供的代码示例所示。然后，这段代码将创建并显示蓝色物体的掩码。

提取结果：

 这在 stackoverflow.com 中是经常见到的问题。 这个问题非常简单，你可以使用相同的函数：**cv.cvtColor()**。 不需要输入图片，你只需要输入你需要的 BGR 值即可. 例如, 为了找到绿色的 HSV 值, 可以在 Python 终端中输入以下代码:

>>> green = np.uint8([[[0,255,0 ]]])
>>> hsv_green = cv.cvtColor(green,cv.COLOR_BGR2HSV)
>>> print( hsv_green )
[[[ 60 255 255]]]

现在你可以取 [H-10, 100,100] 和 [H+10, 255, 255] 分别作为上界和下界. 除此之外，你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。