OpenCV(十一)：色彩空间转换
核心函数
dst = cv2.cvtColor(src, code)
参数解释：
src: 待转换的源图像（通常是一个 NumPy 数组）。code: 转换代码，指定了源色彩空间到目标色彩空间的转换类型。
常见的色彩空间转换代码（code）：
| 转换代码 | 描述 |
|---|---|
cv2.COLOR_BGR2GRAY | BGR 格式（OpenCV默认）转为灰度图 |
cv2.COLOR_BGR2RGB | BGR 转为 RGB (常用于Matplotlib显示) |
cv2.COLOR_RGB2BGR | RGB 转为 BGR |
cv2.COLOR_BGR2HSV | BGR 转为 HSV (色相、饱和度、亮度) |
cv2.COLOR_HSV2BGR | HSV 转为 BGR |
cv2.COLOR_BGR2HLS | BGR 转为 HLS (色相、亮度、饱和度) |
为什么常用 HSV/HLS？
HSV（Hue, Saturation, Value）和 HLS（Hue, Lightness, Saturation）色彩空间在基于颜色的目标检测或分割中非常有用，因为它们将颜色信息（色相 H）与亮度信息（V/L）分离。这意味着可以在不同光照条件下更容易地提取特定颜色。
示例
import cv2
import numpy as np# 窗口名称
WINDOW_NAME = 'HSV Color Palette'# 这是一个空函数，作为 cv2.createTrackbar 的回调函数。
# trackbar 变化时，如果不需要立即执行操作，可以使用它。
def nothing(x):pass# 1. 创建窗口
cv2.namedWindow(WINDOW_NAME)# 2. 创建滑块 (Trackbars)# HSV 在 OpenCV 中，默认的 8 位图像范围如下:
# H (Hue, 色相): 0 - 179 (范围是 0-360 的一半)
# S (Saturation, 饱和度): 0 - 255
# V (Value/Brightness, 明度/亮度): 0 - 255cv2.createTrackbar('H', WINDOW_NAME, 0, 179, nothing)
cv2.createTrackbar('S', WINDOW_NAME, 0, 255, nothing)
cv2.createTrackbar('V', WINDOW_NAME, 0, 255, nothing)# 3. 主循环：实时获取滑块位置并更新颜色显示
while(True):# 退出机制：按下 'q' 键退出k = cv2.waitKey(1) & 0xFFif k == ord('q'):break# 4. 获取当前滑块位置h = cv2.getTrackbarPos('H', WINDOW_NAME)s = cv2.getTrackbarPos('S', WINDOW_NAME)v = cv2.getTrackbarPos('V', WINDOW_NAME)# 5. 创建一个 HSV 颜色块# 注意：为了让 OpenCV 识别为颜色，必须使用三维数组结构：# [[[H, S, V]]] - (1, 1, 3) 的 NumPy 数组hsv_color = np.uint8([[[h, s, v]]])# 6. 将 HSV 颜色转换为 BGR 颜色# cv2.imshow 只能显示 BGR/GRAY 图像，所以需要转换回来bgr_color = cv2.cvtColor(hsv_color, cv2.COLOR_HSV2BGR)# 7. 创建一个大图像来显示这个颜色 (例如 300x512)# img[:] = bgr_color[0][0] 将图像的所有像素设置为转换后的 BGR 颜色img = np.zeros((300, 512, 3), dtype=np.uint8)img[:] = bgr_color[0][0]# 8. 显示图像cv2.imshow(WINDOW_NAME, img)# 9. 销毁所有窗口
cv2.destroyAllWindows()