OpenCV 从零学习 · 第 3 讲：色彩空间转换 cvtColor（为什么抠"红色物体"要转到 HSV）

OpenCV 从零学习 · 第 3 讲：色彩空间转换 cvtColor

---

1. 函数签名

dst = cv2.cvtColor(src, code)
# src : 输入图 (uint8)
# code: 转换方式, 如 cv2.COLOR_BGR2GRAY
# dst : 转换后的图

常用 code	含义
cv2.COLOR_BGR2GRAY	BGR → 灰度
cv2.COLOR_BGR2HSV	BGR → HSV（色相/饱和度/明度）
cv2.COLOR_BGR2RGB	BGR → RGB（给 matplotlib/PIL 用）
cv2.COLOR_GRAY2BGR	灰度 → BGR（升回三通道）
cv2.COLOR_HSV2BGR	HSV → BGR（处理结果转回显示）

---

2. BGR → GRAY 灰度化：降维、去干扰

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print(gray.shape)     # (高, 宽)  —— 注意通道维没了!

---

3. 为什么抠"红色物体"要用 HSV，而不是 BGR？

HSV 把颜色拆成三部分：

• H（Hue 色相）：到底是什么颜色（红/绿/蓝），0~179；
• S（Saturation 饱和度）：颜色浓不浓，0~255；
• V（Value 明度）：亮不亮，0~255。

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 红色在 HSV 里"跨过 0 度": 一段在 0~10, 一段在 170~179, 所以要取两个区间的并集
lower1 = np.array([0,   100, 100]);  upper1 = np.array([10,  255, 255])
lower2 = np.array([170, 100, 100]);  upper2 = np.array([179, 255, 255])
mask = cv2.bitwise_or(cv2.inRange(hsv, lower1, upper1),
                      cv2.inRange(hsv, lower2, upper2))

red_only = cv2.bitwise_and(img, img, mask=mask)   # 只保留红色区域, 其余变黑

lower_green = np.array([35, 43, 46]);  upper_green = np.array([77, 255, 255])
mask = cv2.inRange(hsv, lower_green, upper_green)   # 绿幕区域为 255
fg = cv2.bitwise_and(img, img, mask=mask)           # 只留前景(非绿幕)

---

4. 常见色彩空间该用在哪（对照表）

色彩空间	典型用途
GRAY（灰度）	OCR、人脸检测、边缘检测等前处理；减少计算量
HSV	按颜色追踪/抠图、绿幕、皮肤检测、交通灯识别
LAB	颜色校正、白平衡、肉眼感知更均匀的颜色比较
RGB	给 matplotlib / PIL 显示（OpenCV 读进来是 BGR，要先转）

---

5. 本讲要点清单

• cv2.cvtColor(src, code) 负责色彩空间转换，code 决定转成什么。
• 灰度化 BGR2GRAY：检测/OCR 前处理首选，省算力。
• 按颜色抠图用 HSV：H 通道对光照稳定，远强于 BGR 三通道硬卡。
• HSV 的 H 范围是 0~179，红色跨 0 度要取两段并集。
• 配 cv2.inRange 出掩膜，再用 cv2.bitwise_and 抠图。
• 给 matplotlib 显示前记得 BGR2RGB。