OpenCV 基于 HSV 颜色空间实时颜色分割（摄像头蓝色识别）

import cv2
import numpy as np

# 打开默认摄像头
cap = cv2.VideoCapture(0)

while True:
    try:
        # 读取一帧画面
        ret, frame3 = cap.read()
        # 画面水平翻转，解决前置镜像反像问题
        frame3 = cv2.flip(frame3, flipCode=1)
        # BGR图像转换为HSV色彩空间，用于颜色筛选
        hsv_image = cv2.cvtColor(frame3, cv2.COLOR_BGR2HSV)
        
        # ----------------------HSV颜色阈值配置区----------------------
        # 蓝色HSV上下限 H:100~124 S:43~255 V:46~255
        lower_brown = np.array([100, 43, 46])
        upper_brown = np.array([124, 255, 255])
        # 棕色/红色备用阈值，取消注释即可切换识别红色
        # lower_brown = np.array([10, 30, 30])
        # upper_brown = np.array([30, 255, 255])
        # ------------------------------------------------------------

        # 生成掩码mask：符合HSV区间像素=白色(255)，其余黑色(0)
        mask = cv2.inRange(hsv_image, lower_brown, upper_brown)
        # 按位与运算，利用mask抠出原图中的目标颜色
        result = cv2.bitwise_and(frame3, frame3, mask=mask)

        # 窗口展示
        cv2.imshow('mask', mask)          # 黑白掩码图
        cv2.imshow('Filtered Image1', frame3) # 翻转后的原始摄像头画面
        cv2.imshow('result', result)      # 提取后的目标色块图

        # 等待100ms按键，ESC键(27)退出循环
        if cv2.waitKey(100) == 27:
            break
    except Exception as e:
        # 捕获摄像头读取异常，避免程序直接崩溃
        pass

# 释放摄像头硬件资源，销毁所有OpenCV窗口
cap.release()
cv2.destroyAllWindows()

运行结果如下：

三、逐模块代码解析

1. 库导入

复制代码

import cv2
import numpy as np

cv2：OpenCV 计算机视觉库，负责摄像头读取、图像转换、窗口显示、掩码运算
numpy：数值数组库，HSV 上下限阈值必须通过 np.array 数组存储

2. 摄像头初始化

python 复制代码

cap = cv2.VideoCapture(0)

参数0代表调用电脑内置默认摄像头；外接 USB 摄像头可尝试1、2。

3. 画面循环读取与预处理

python 复制代码

ret, frame3 = cap.read()
frame3 = cv2.flip(frame3, flipCode=1)
hsv_image = cv2.cvtColor(frame3, cv2.COLOR_BGR2HSV)

cap.read()：读取摄像头一帧图像，ret为读取成功标记，frame3是图像矩阵
cv2.flip(frame3, 1)：水平翻转画面，解决笔记本前置摄像头左右颠倒问题
- flipCode=0：垂直翻转；flipCode=1：水平翻转；flipCode=-1：水平 + 垂直翻转
cv2.COLOR_BGR2HSV：OpenCV 默认图像格式为 BGR，转换 HSV 分离色相、饱和度、亮度，降低光照对颜色识别的干扰

4. HSV 颜色阈值配置

python 复制代码

lower_brown = np.array([100, 43, 46])
upper_brown = np.array([124, 255, 255])

数组格式：[H, S, V]

H（色相 0~180）：决定基础颜色，当前 100-124 对应蓝色
S（饱和度 0~255）：43 过滤低饱和灰黑色杂色
V（明度 0~255）：46 过滤阴影暗部干扰注释行是红色阈值，取消注释、注释蓝色阈值即可识别红色。

5. 掩码生成与图像抠图

python

运行

python 复制代码

mask = cv2.inRange(hsv_image, lower_brown, upper_brown)
result = cv2.bitwise_and(frame3, frame3, mask=mask)

cv2.inRange()核心筛选函数：遍历 HSV 图像每个像素，在阈值内设为 255（白色），超出设为 0（黑色），输出黑白掩码mask
cv2.bitwise_and()按位与运算：以 mask 为遮罩，仅保留白色区域对应的原图彩色像素，黑色区域全部置黑，最终得到只含目标颜色的效果图

6. 窗口显示与按键退出

python 复制代码

cv2.imshow('mask', mask)
cv2.imshow('Filtered Image1', frame3)
cv2.imshow('result', result)
if cv2.waitKey(100) == 27:
    break

cv2.imshow(窗口名, 图像)：弹出窗口实时渲染图像
cv2.waitKey(100)：等待 100ms 检测键盘输入，降低画面刷新频率；27是 ESC 按键 ASCII 码，按下跳出循环

7. 异常捕获与资源释放

python 复制代码

except:
    pass
cap.release()
cv2.destroyAllWindows()

try-except：摄像头读取失败、画面丢失时静默跳过，防止程序闪退
cap.release()：关闭摄像头硬件，释放占用
cv2.destroyAllWindows()：销毁所有 OpenCV 图像窗口，释放内存

四、HSV 常用颜色阈值对照表（OpenCV 标准）

表格

颜色	H 最小值	H 最大值	S 下限	V 下限
红色	0 / 156	10 / 180	30	30
黄色	26	34	43	46
绿色	35	77	43	46
蓝色	100	124	43	46
紫色	125	155	43	46

修改lower_brown、upper_brown数组即可切换识别目标颜色。

五、运行环境与依赖安装

1. 安装依赖库

打开 cmd 终端执行：

复制代码

pip install opencv-python numpy

2. 运行说明

运行代码后自动弹出 3 个实时画面窗口
将蓝色物体对准摄像头，mask窗口会出现白色色块，result窗口仅显示蓝色物体
按下键盘 ESC 键关闭程序

六、代码优缺点与优化方向

优点

HSV 色彩空间抗光照干扰远优于 RGB，颜色识别准确率更高
自带镜像翻转，适配笔记本前置摄像头
异常捕获机制，长时间运行不易崩溃
模块化阈值配置，切换识别颜色只需修改两行数组

现存不足

无形态学滤波，画面噪点多会出现零散小白点
无轮廓检测，只能提取色块，无法获取物体坐标、面积
阈值固定，强光 / 暗光环境下识别效果下降

进阶优化建议

添加腐蚀膨胀cv2.morphologyEx消除掩码噪点
使用cv2.findContours寻找色块轮廓，框选目标物体
添加滑动条实时调节 HSV 阈值，可视化调试颜色区间

七、常见问题解决

摄像头无法打开：检查摄像头权限，更换VideoCapture(1)尝试外接摄像头
mask 全黑识别不到颜色：调整 HSV 色相 H 区间，降低 S、V 下限
画面卡顿：增大waitKey(数值)，延长帧间隔
画面左右颠倒：代码中cv2.flip(frame3,1)是镜像功能，不需要直接删除该行