找色不是比 RGB：用 HSV + inRange 让游戏颜色识别抗干扰
图色脚本里"找色"和"找图"一样基础：判断屏幕上某个点、某块区域是不是某种颜色，从而知道游戏处在什么状态（红血/蓝血、可交互高亮、技能冷却灰）。传统做法是读一个像素的 RGB，跟目标值做相等或容差比较。
问题来了：同一块红按钮，亮度一变、或者被半透明遮罩盖一下，RGB 就全变了，脚本立刻误判。这篇讲如何用 OpenCV 的 cv2.cvtColor 转 HSV + cv2.inRange，把"找色"做成只认色相、容忍亮度变化的稳方案。
一、为什么直接比 RGB 会翻车
RGB 把颜色拆成"红多少、绿多少、蓝多少"三个亮度通道。亮度（光照、gamma、叠加层）会同时改变三个通道，所以同一个"红色"，亮一点暗一点，RGB 数值能差出一大截。
举个场景：游戏里"可点击"的按钮是高亮黄。白天和夜晚场景的光照不同，或者按钮上飘过一条半透明公告，
(255,220,0) 可能变成 (230,180,30)，纯 RGB 容差稍微设小就漏检，设大又容易把背景金黄色也误判成按钮。
解法：把"色相(Hue)"和"亮度(Lightness)"分开。人眼判断"这是不是红色"，靠的是色相，而不是它亮不亮——HSV 正好把这两者拆开。
二、HSV 是什么，为什么适合找色
| 通道 | 含义 | OpenCV 取值 |
|---|---|---|
| H (Hue) | 色相，颜色种类（红/绿/蓝） | 0~179 |
| S (Saturation) | 饱和度，颜色纯不纯 | 0~255 |
| V (Value) | 明度，亮不亮 | 0~255 |
关键点：色相 H 几乎不受亮度影响。所以找色时，我们只对 H 给很窄的容差，对 S/V 给较宽的容差，就能在"亮度多变"的画面里稳定认出同一种颜色。
新手必踩坑：OpenCV 读进来的是 BGR 不是 RGB！转 HSV 必须用
cv2.COLOR_BGR2HSV，写成 RGB2HSV 颜色会错乱。另外 OpenCV 的 H 范围是 0~179（不是 0~360），网上很多教程按 0~360 写，照搬会找错色。
三、核心函数：cv2.inRange
函数签名：
mask = cv2.inRange(src, lowerb, upperb)| 参数 | 含义 |
|---|---|
src | HSV 图像（注意：必须先用 cvtColor 转好） |
lowerb | 下限数组，如 np.array([0,100,100]) |
upperb | 上限数组，如 np.array([10,255,255]) |
返回值：一张单通道二值掩膜——落在范围内的像素是 255（白），其余是 0（黑）。再用 cv2.countNonZero 数一下白点数量，就知道"这种颜色出现了多少"。
四、场景实战：在画面里找"红色按钮"
import cv2
import numpy as np
# 1) 读图（OpenCV 是 BGR！）
img = cv2.imread('game.png')
# 2) 转 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 3) 定义"红色"范围：H 给窄区间(0~10)，S/V 给宽容差
lower = np.array([0, 100, 100])
upper = np.array([10, 255, 255])
mask = cv2.inRange(hsv, lower, upper)
# 4) 统计命中像素数
count = cv2.countNonZero(mask)
print('红色像素数:', count)
if count > 200: # 阈值按按钮大小自定
print('画面里出现了红色按钮')
为什么比 RGB 稳：只要目标还是"红色"（H 在 0~10），无论它偏亮偏暗（V 在 100~255）、饱和度高或略低（S 在 100~255），都会被
inRange 命中。亮度变化不再导致漏检，这正是图色脚本最需要的鲁棒性。
五、两个进阶技巧
- 红色跨 0 度处理：红色在 HSV 里分布在 H≈0 两侧（如 H=170~179 与 0~10）。用一段
inRange会漏掉另一半，正确做法是做两段掩膜再按位或：mask = mask1 | mask2。 - 收窄搜索区 + 形态学去噪：先用 ROI 裁出可能区域再 inRange，命中后用
cv2.morphologyEx开运算去掉零星噪点（见专栏 L10），避免把几个孤立杂色误判成"按钮"。
# 红色跨 0 度的正确写法
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.inRange(hsv, lower1, upper1) | cv2.inRange(hsv, lower2, upper2)
本讲要点
- 找色别直接比 RGB，亮度一变就误判。
- 用
cv2.cvtColor(..., COLOR_BGR2HSV)转 HSV，只对 H 给窄容差、S/V 给宽容差。 cv2.inRange返回二值掩膜，配合cv2.countNonZero统计命中数量。- 记住 OpenCV 是 BGR、H 范围 0~179、红色要分两段。
下一篇我们用一张"升级路线图"把模板匹配、找色、预处理串起来，对比大漠插件与 OpenCV 在图色脚本里各自的适用边界。
