[具身智能-448]：HSV颜色空间是颜色识别的利器，如何使用HSV进行颜色识别？

使用 HSV 颜色空间进行颜色识别核心思想是利用其将颜色信息与亮度信息分离的特性通过设定色相H、饱和度S、明度V三个维度的阈值范围来精准地筛选出目标颜色。这种方法比在 RGB 空间识别更稳定对光照变化不那么敏感。下面是一个完整的、基于 Python 和 OpenCV 的颜色识别流程从原理到代码实现手把手带你完成。 核心原理为什么是 HSV在RGB 模型中一个物体的颜色会受到光照强度的显著影响。同一个红苹果在阳光下和阴影里其 R、G、B三个数值会剧烈变化导致识别困难。而在 HSV 空间中颜色被分解为色相 (Hue): 决定“是什么颜色”相对稳定。饱和度 (Saturation):决定“颜色有多纯”受光照影响较小。明度 (Value):决定“颜色有多亮”直接反映光照强度。因此我们只需锁定H 和 S的大致范围并为V 设置一个较宽的区间就能在不同光照条件下稳定地识别出目标颜色。️ 实战步骤从零开始识别颜色整个识别流程可以概括为以下五个步骤读取图像并转换颜色空间将摄像头或图片读取的 BGR 格式图像转换为 HSV 格式。定义颜色阈值根据目标颜色设定 H、S、V 三个通道的下限和上限。创建掩膜 (Mask)使用cv2.inRange()函数根据阈值从 HSV 图像中提取出目标颜色区域生成一个二值图像黑白图。图像后处理对掩膜进行形态学操作如开运算、闭运算以去除噪点、填充空洞使目标区域更完整。提取与显示结果将处理好的掩膜与原始图像进行“按位与”操作最终只保留目标颜色的部分。‍ 代码实现实时颜色识别以下是一个完整的 Python 脚本它会打开你的摄像头并实时识别画面中的红色物体。pythonimport cv2 import numpy as np # 1. 打开摄像头 cap cv2.VideoCapture(0) while True: # 2. 读取一帧图像 ret, frame cap.read() if not ret: break # 3. 将 BGR 图像转换为 HSV 图像 hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 4. 定义红色的 HSV 阈值范围 # 注意红色在色相环的两端0度和180度附近所以需要定义两个范围 lower_red1 np.array() upper_red1 np.array() lower_red2 np.array() upper_red2 np.array() # 5. 根据阈值创建两个掩膜 mask1 cv2.inRange(hsv, lower_red1, upper_red1) mask2 cv2.inRange(hsv, lower_red2, upper_red2) # 6. 将两个掩膜合并 mask cv2.bitwise_or(mask1, mask2) # 7. 图像后处理形态学操作去除噪点 kernel np.ones((5,5),np.uint8) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 开运算先腐蚀后膨胀去除小噪点 mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 闭运算先膨胀后腐蚀填充空洞 # 8. 将掩膜与原图进行按位与操作提取目标区域 result cv2.bitwise_and(frame, frame, maskmask) # 9. 显示结果 cv2.imshow(Original Frame, frame) cv2.imshow(Mask, mask) cv2.imshow(Result, result) # 按 q 键退出 if cv2.waitKey(1) 0xFF ord(q): break # 释放资源 cap.release() cv2.destroyAllWindows() 关键点如何确定 HSV 阈值这是颜色识别中最关键也最需要技巧的一步。网上的阈值参数如lower_red只能作为参考因为摄像头、光照、物体材质都会影响最终的 HSV 值。最佳实践是使用交互式滑动条来现场调试。你可以编写一个带有滑动条的程序实时调整 H、S、V 的上下限直到掩膜中只剩下你想要的目标物体。以下是创建 HSV 阈值调试工具的代码pythonimport cv2 import numpy as np def nothing(x): pass # 创建一个窗口 cv2.namedWindow(Trackbars) # 创建6个滑动条分别对应H,S,V的最小值和最大值 cv2.createTrackbar(H Min, Trackbars, 0, 179, nothing) cv2.createTrackbar(H Max, Trackbars, 10, 179, nothing) cv2.createTrackbar(S Min, Trackbars, 43, 255, nothing) cv2.createTrackbar(S Max, Trackbars, 255, 255, nothing) cv2.createTrackbar(V Min, Trackbars, 46, 255, nothing) cv2.createTrackbar(V Max, Trackbars, 255, 255, nothing) # 打开摄像头 cap cv2.VideoCapture(0) while True: ret, frame cap.read() if not ret: break # 转换为HSV hsv cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 获取滑动条的当前位置 h_min cv2.getTrackbarPos(H Min, Trackbars) h_max cv2.getTrackbarPos(H Max, Trackbars) s_min cv2.getTrackbarPos(S Min, Trackbars) s_max cv2.getTrackbarPos(S Max, Trackbars) v_min cv2.getTrackbarPos(V Min, Trackbars) v_max cv2.getTrackbarPos(V Max, Trackbars) # 定义阈值并创建掩膜 lower_val np.array([h_min, s_min, v_min]) upper_val np.array([h_max, s_max, v_max]) mask cv2.inRange(hsv, lower_val, upper_val) # 显示原图和掩膜 cv2.imshow(Frame, frame) cv2.imshow(Mask, mask) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() 常见颜色的 HSV 范围参考 (OpenCV格式)表格颜色H (色相)S (饱和度)V (明度)红色0-10 和 156-18043-25546-255绿色35-7743-25546-255蓝色100-12443-25546-255黄色26-3443-25546-255注意OpenCV 中 H 的范围是 0-179S 和 V 的范围是 0-255。上表中的数值仅为起点务必使用调试工具根据实际环境进行微调。