OpenCV(十一)：色彩空间转换

核心函数

python 复制代码

dst = cv2.cvtColor(src, code)

参数解释：

src : 待转换的源图像（通常是一个 NumPy 数组）。
code : 转换代码，指定了源色彩空间到目标色彩空间的转换类型。

常见的色彩空间转换代码（code）：

转换代码	描述
`cv2.COLOR_BGR2GRAY`	BGR 格式（OpenCV默认）转为灰度图
`cv2.COLOR_BGR2RGB`	BGR 转为 RGB (常用于Matplotlib显示)
`cv2.COLOR_RGB2BGR`	RGB 转为 BGR
`cv2.COLOR_BGR2HSV`	BGR 转为 HSV (色相、饱和度、亮度)
`cv2.COLOR_HSV2BGR`	HSV 转为 BGR
`cv2.COLOR_BGR2HLS`	BGR 转为 HLS (色相、亮度、饱和度)

为什么常用 HSV/HLS？

HSV（Hue, Saturation, Value）和 HLS（Hue, Lightness, Saturation）色彩空间在基于颜色 的目标检测或分割中非常有用，因为它们将颜色信息 （色相 H）与亮度信息（V/L）分离。这意味着可以在不同光照条件下更容易地提取特定颜色。

示例

python 复制代码

import cv2
import numpy as np

# 窗口名称
WINDOW_NAME = 'HSV Color Palette'

# 这是一个空函数，作为 cv2.createTrackbar 的回调函数。
# trackbar 变化时，如果不需要立即执行操作，可以使用它。
def nothing(x):
    pass

# 1. 创建窗口
cv2.namedWindow(WINDOW_NAME)

# 2. 创建滑块 (Trackbars)

# HSV 在 OpenCV 中，默认的 8 位图像范围如下:
# H (Hue, 色相): 0 - 179 (范围是 0-360 的一半)
# S (Saturation, 饱和度): 0 - 255
# V (Value/Brightness, 明度/亮度): 0 - 255

cv2.createTrackbar('H', WINDOW_NAME, 0, 179, nothing)
cv2.createTrackbar('S', WINDOW_NAME, 0, 255, nothing)
cv2.createTrackbar('V', WINDOW_NAME, 0, 255, nothing)

# 3. 主循环：实时获取滑块位置并更新颜色显示
while(True):
    # 退出机制：按下 'q' 键退出
    k = cv2.waitKey(1) & 0xFF
    if k == ord('q'):
        break

    # 4. 获取当前滑块位置
    h = cv2.getTrackbarPos('H', WINDOW_NAME)
    s = cv2.getTrackbarPos('S', WINDOW_NAME)
    v = cv2.getTrackbarPos('V', WINDOW_NAME)

    # 5. 创建一个 HSV 颜色块
    # 注意：为了让 OpenCV 识别为颜色，必须使用三维数组结构：
    # [[[H, S, V]]] - (1, 1, 3) 的 NumPy 数组
    hsv_color = np.uint8([[[h, s, v]]])

    # 6. 将 HSV 颜色转换为 BGR 颜色
    # cv2.imshow 只能显示 BGR/GRAY 图像，所以需要转换回来
    bgr_color = cv2.cvtColor(hsv_color, cv2.COLOR_HSV2BGR)

    # 7. 创建一个大图像来显示这个颜色 (例如 300x512)
    # img[:] = bgr_color[0][0] 将图像的所有像素设置为转换后的 BGR 颜色
    img = np.zeros((300, 512, 3), dtype=np.uint8)
    img[:] = bgr_color[0][0]

    # 8. 显示图像
    cv2.imshow(WINDOW_NAME, img)

# 9. 销毁所有窗口
cv2.destroyAllWindows()