RGB色彩空間和HSV色彩空間的理解
轉自：https://blog.csdn.net/u010429424/article/details/76577399
本文的結構如下：
1、RGB色彩空間
2、HSV色彩空間（附HSV顏色分量範圍表）
3、RGB到HSV的轉換的Demo
??使用OpenCV實現RGB轉HSV，並通過滑動條動態設定HSV閾值
??自己寫程序，實現RGB轉HSL
1、RGB色彩空間
RGB色彩空間源於使用陰極射線管的彩色電視，RGB分別代表三個基色（R-紅色、G-綠色、B-藍色），具體的色彩值由三個基色疊加而成。在圖像處理中，我們往往使用向量表示色彩的值，如(0,0,0)表示黑色、(255, 255, 255)表示白色。其中，255表示色彩空間被量化成255個數，最高亮度值為255（255 = 2^8 - 1，即每個色彩通道用8位表示）。在這個色彩空間中，有256*256*256種顏色。RGB色彩空間如下圖所示（圖片來自百度百科）。是一個包含Red、Green、Blue的三維空間。
註：
1、在OpenCV中，RGB色彩空間的順序是BGR，千萬不要弄錯了
2、在Java的Bitmap中，RGB色彩空間被表示為ARGB，其中A代表透明度
2、HSV色彩空間
HSV色彩空間（Hue-色調、Saturation-飽和度、Value-值）將亮度從色彩中分解出來，在圖像增強算法中用途很廣。在我本人接觸的圖像處理項目中，經常將圖像從RGB色彩空間轉換到了HSV色彩空間，以便更好地感知圖像顏色，利用HSV分量從圖像中提取感興趣的區域。
HSV色彩空間也被稱為HSB（色調、飽和度、亮度），在PS中常被用到。
HSV色彩空間如下圖所示，用一個倒圓錐體表示整個色彩空間：
註：
1、H的範圍是[0，360），S和V的範圍是[0，1]。但是在OpenCV 中，HSV好像被規範化到了[0, 255]，此處求大神指導。
2、另外，網上有人總結了HSV顏色對應RGB的分量範圍，見下面的表格。參考自：
http://www.cnblogs.com/wangyblzu/p/5710715.html
http://blog.csdn.net/taily_duan/article/details/51506776
3、RGB到HSV的轉換的Demo
(1) 使用OpenCV的cv2.cvtColor(src, cv2.COLOR_BGR2HSV)
OpenCV為我們提供了現成的函數cvtColor()，幫助我們將圖像從BGR轉換到HSV。
# -*- coding:utf-8 -*-
import cv2
"""
功能：讀取一張圖片，顯示出來，並轉化為HSV色彩空間
"""
image = cv2.imread(‘images/my_wife2.jpg‘) # 根據路徑讀取一張圖片
cv2.imshow("BGR", image) # 顯示圖片
# 轉化圖片到HSV色彩空間
dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("HSV", dst) # 顯示圖片
cv2.waitKey(0) # 等待鍵盤觸發事件，釋放窗口 結果如下：
挺好看的美女，結果被弄成了這個樣子。一些初學者包括我自己有時會問，為什麽要把好端端的圖片轉成HSV色彩空間呢。其實這樣做大有用處，比如我們要提取美女的頭發區域，就可以通過設置HSV色彩空間的高低閾值來做。
# -*- coding:utf-8 -*-
import cv2
import numpy as np # ------------------改變1
"""
功能：讀取一張圖片，顯示出來，並轉化為HSV色彩空間
"""
image = cv2.imread(‘images/my_wife2.jpg‘) # 根據路徑讀取一張圖片
cv2.imshow("BGR", image) # 顯示圖片
# 轉化圖片到HSV色彩空間
dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("HSV", dst) # 顯示圖片
# 根據HSV提取頭發 --------------------------------改變2
low_hsv = np.array([0, 0, 46])
high_hsv = np.array([200, 40, 220])
dst = cv2.inRange(dst, low_hsv, high_hsv)
cv2.imshow("result", dst) # 顯示圖片
cv2.waitKey(0) # 等待鍵盤觸發事件，釋放窗口程序的運行效果如下。我們看到，頭發區域顯示為白色，這樣我們就初步地提取出了頭發區域。當然這個效果並不理想，是因為我們設定的閾值不好，如果能動態地設定閾值就好了。
我們可以利用滑塊動態地設置閾值，一邊拖動滑塊，一邊觀察圖像。OpenCV提供了createTrackbar()，用於創建滑塊。代碼如下：
# -*- coding:utf-8 -*-
import cv2
import numpy as np
"""
功能：讀取一張圖片，顯示出來，轉化為HSV色彩空間
並通過滑塊調節HSV閾值，實時顯示
"""
image = cv2.imread(‘images/my_wife2.jpg‘) # 根據路徑讀取一張圖片
cv2.imshow("BGR", image) # 顯示圖片
hsv_low = np.array([0, 0, 0])
hsv_high = np.array([0, 0, 0])
# 下面幾個函數，寫得有點冗余
def h_low(value):
hsv_low[0] = value
def h_high(value):
hsv_high[0] = value
def s_low(value):
hsv_low[1] = value
def s_high(value):
hsv_high[1] = value
def v_low(value):
hsv_low[2] = value
def v_high(value):
hsv_high[2] = value
cv2.namedWindow(‘image‘)
cv2.createTrackbar(‘H low‘, ‘image‘, 0, 255, h_low)
cv2.createTrackbar(‘H high‘, ‘image‘, 0, 255, h_high)
cv2.createTrackbar(‘S low‘, ‘image‘, 0, 255, s_low)
cv2.createTrackbar(‘S high‘, ‘image‘, 0, 255, s_high)
cv2.createTrackbar(‘V low‘, ‘image‘, 0, 255, v_low)
cv2.createTrackbar(‘V high‘, ‘image‘, 0, 255, v_high)
while True:
dst = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # BGR轉HSV
dst = cv2.inRange(dst, hsv_low, hsv_high) # 通過HSV的高低閾值，提取圖像部分區域
cv2.imshow(‘dst‘, dst)
if cv2.waitKey(1) & 0xFF == ord(‘q‘):
break
cv2.destroyAllWindows()
程序運行的效果如下，我們拉動滑塊會自動改變HSV的高低閾值，進而根據高低閾值提取的圖像區域也會改變：
RGB色彩空間和HSV色彩空間的理解