### 如何使用 OpenCV 定义黄色的阈值范围 在 OpenCV 中，为了定义黄色的颜色范围并进行颜色检测，通常会将图像从 BGR 颜色空间转换为 HSV（Hue-Saturation-Value）颜色空间。这是因为 HSV 更适合用于基于颜色的目标检测和分割[^1]。 #### 转换至 HSV 颜色空间 HSV 是一种更直观的颜色模型，其中 H 表示色调（颜色），S 表示饱和度（纯度），V 表示亮度（明暗程度）。对于黄色而言，其对应的色调值一般位于 `[20, 40]` 的范围内，具体数值可能因光照条件而略有变化[^3]。 以下是实现这一功能的具体方法： 1. **读取图像** 使用 `cv2.imread()` 函数加载输入图片。 2. **颜色空间转换** 利用 `cv2.cvtColor()` 将图像从 BGR 转换为 HSV 颜色空间： ```python hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) ``` 3. **定义黄色范围** 黄色的 HSV 值可以通过实验或查阅资料获得。一般来说，黄色的 HSV 下限和上限分别为 `(h_min, s_min, v_min)` 和 `(h_max, s_max, v_max)`。例如： - 下界：`(20, 100, 100)` - 上界：`(40, 255, 255)` 这些值可以根据实际需求调整。如果需要更高的精度，可以借助工具手动选取目标区域的颜色值。 4. **创建掩码** 使用 `cv2.inRange()` 创建一个二值掩码，该掩码仅保留指定颜色范围内的像素点： ```python lower_yellow = (20, 100, 100) # 黄色下界 upper_yellow = (40, 255, 255) # 黄色上界 yellow_mask = cv2.inRange(hsv_image, lower_yellow, upper_yellow) ``` 5. **应用掩码** 掩码可用于提取原始图像中对应于黄色的部分： ```python result = cv2.bitwise_and(bgr_image, bgr_image, mask=yellow_mask) ``` 完整的代码如下所示： ```python import cv2 import numpy as np # 加载图像 bgr_image = cv2.imread('image.jpg') # 转换到 HSV 空间 hsv_image = cv2.cvtColor(bgr_image, cv2.COLOR_BGR2HSV) # 定义黄色范围 lower_yellow = (20, 100, 100) # 黄色下界 upper_yellow = (40, 255, 255) # 黄色上界 # 创建掩码 yellow_mask = cv2.inRange(hsv_image, lower_yellow, upper_yellow) # 应用掩码获取结果 result = cv2.bitwise_and(bgr_image, bgr_image, mask=yellow_mask) # 显示结果 cv2.imshow('Original', bgr_image) cv2.imshow('Yellow Mask', yellow_mask) cv2.imshow('Result', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 通过以上步骤即可完成对黄色范围的定义以及相应的颜色筛选操作。需要注意的是，不同的光源环境可能导致相同的物体表现出略微不同的 HSV 数值，因此建议根据实际情况微调阈值范围[^2]。 ---