如何使用OpenCV进行颜色与阈值处理？

一、环境安装

bash

运行

pip install opencv-python numpy

二、核心原理

1. 颜色空间转换 ：常用 BGR→HSV，HSV 更适合按颜色筛选
2. 阈值处理：设定像素明暗区间，实现图像二值化、分割区域

---

三、1. 颜色筛选（HSV 颜色提取）

常用颜色 HSV 范围

• 蓝色：(90,43,46) ~ (124,255,255)
• 绿色：(35,43,46) ~ (77,255,255)
• 红色：(0,43,46) ~ (10,255,255)
• 黄色：(26,43,46) ~ (34,255,255)

完整代码

python

运行

import cv2
import numpy as np

img = cv2.imread("test.jpg")
# 转HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 设定蓝色阈值
lower_blue = np.array([90,43,46])
upper_blue = np.array([124,255,255])

# 颜色掩码
mask = cv2.inRange(hsv, lower_blue, upper_blue)
# 提取目标颜色
res = cv2.bitwise_and(img, img, mask=mask)

cv2.imshow("原图",img)
cv2.imshow("掩码",mask)
cv2.imshow("颜色提取",res)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

四、2. 图像阈值处理（二值化）

四种常用阈值模式

1. 二进制阈值：大于阈值变白，小于变黑
2. 反二进制阈值：相反效果
3. 截断阈值：超出阈值统一设为阈值
4. 自适应阈值：局部明暗自动适配，暗光图片首选

基础全局阈值代码

python

运行

import cv2

img = cv2.imread("test.jpg",0) # 直接读灰度图

# ret:阈值 , binary:处理后图像
ret, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

cv2.imshow("灰度图",img)
cv2.imshow("二值化",binary)
cv2.waitKey(0)

参数说明：

• 127：分界阈值
• 255：最大值
• THRESH_BINARY：二值化模式

自适应阈值（实用最强）

python

运行

adap = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2)
cv2.imshow("自适应阈值",adap)

---

五、常用实操用途

1. 提取画面指定颜色物体
2. 证件文字黑白二值化
3. 去除图像杂色、背景分离
4. 摄像头实时颜色追踪
5. 工业视觉物料颜色分拣

六、精简要点

1. 选颜色优先转HSV，比 RGB 精准
2. 纯色分离用inRange做掩码
3. 文字、轮廓提取用二值化阈值
4. 光线不均一律用自适应阈值