### 使用OpenCV在HSV色彩空间实现8种基本颜色的识别与分类 #### 定义颜色范围 为了在HSV色彩空间中区分八种不同颜色，需要定义每种颜色对应的Hue（色相）、Saturation（饱和度）以及Value（明度）的具体取值区间。由于OpenCV中的HSV色彩空间对于各个分量有不同的表示方法[^1]： - **红色**：\[0, 10\], \[160, 179\] - **橙色**：\[11, 25\] - **黄色**：\[26, 34\] - **绿色**：\[35, 77\] - **青色**：\[78, 99\] - **蓝色**：\[100, 124\] - **紫色**：\[125, 155\] - **粉色/洋红**：\[156, 160\] 这些区间的设定基于标准HSV模型下的典型值，并经过调整以适应OpenCV内部使用的数值映射方式。 #### 图像预处理 读取图像并将其由BGR格式转换成HSV格式以便后续操作： ```python import cv2 import numpy as np image_bgr = cv2.imread('path_to_image') image_hsv = cv2.cvtColor(image_bgr, cv2.COLOR_BGR2HSV) ``` #### 创建掩码 针对上述每一类颜色创建相应的二值化掩码，用于筛选特定的颜色区域： ```python def create_mask(hsv_img, lower_bound, upper_bound): mask = cv2.inRange(hsv_img, lower_bound, upper_bound) return mask lower_red_1 = np.array([0, 50, 50]) upper_red_1 = np.array([10, 255, 255]) lower_red_2 = np.array([160, 50, 50]) upper_red_2 = np.array([179, 255, 255]) mask_red_1 = create_mask(image_hsv, lower_red_1, upper_red_1) mask_red_2 = create_mask(image_hsv, lower_red_2, upper_red_2) # 对于其他颜色重复此过程... ``` #### 合并与显示结果 将所有单独的颜色掩码组合起来形成最终的结果图片，可以直观地看到哪些像素属于预先定义好的八个类别之一： ```python final_mask = cv2.bitwise_or(mask_red_1, mask_red_2) # 继续加入其余颜色... result = cv2.bitwise_and(image_bgr, image_bgr, mask=final_mask) cv2.imshow("Color Detection", result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 通过这种方式可以在给定的输入图像上有效地检测并分离出多种基础色调的对象或区域[^2]。