OpenCV4，快速入门，第二讲：图像色彩空间转换

---

引言

在计算机视觉和图像处理领域，色彩空间转换是一项基础而重要的任务。通过合理选择色彩空间，我们可以更高效地实现目标检测、图像分割和特征提取等功能。本文将深入讲解OpenCV中HSV色彩空间的原理，并详细解析cvtColor和imwrite两个核心API的使用方法。

---

一、色彩空间概述

1.1 RGB与HSV的区别

• RGB：通过红（Red）、绿（Green）、蓝（Blue）三个通道的组合表示颜色，适合显示系统，但对光照敏感。
• HSV：由色相（Hue）、饱和度（Saturation）、明度（Value）三个维度构成，更贴近人类对颜色的感知，常用于颜色识别和分割。

---

1.2 HSV的详细含义

• Hue（色相）：表示颜色类型，范围是 0 ~ 180（OpenCV中8位图像将0~360缩放到此范围）。
• Saturation（饱和度）：颜色的纯度，0（灰色）~ 255（完全饱和）。
• Value（明度）：颜色亮度，0（黑色）~ 255（最亮）。

注意：HSV在OpenCV中的范围与理论值不同，需特别注意。

cvtColor

---

二、cvtColor函数详解

2.1 函数原型

void cv::cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0
);

---

2.2 参数说明

• src：输入图像（如BGR格式的Mat对象）。
• dst：输出图像，保存转换后的结果。
• code：颜色空间转换代码，常用值：
  • COLOR_BGR2HSV：BGR转HSV
  • COLOR_HSV2BGR：HSV转BGR
  • 其他选项（如COLOR_BGR2GRAY）
• dstCn：输出图像的通道数，默认0表示自动推导。

---

2.3 使用示例

#include <opencv2/o