OpenCV 颜色空间（RGB/BGR/HSV）超详细用法教程
OpenCV 颜色空间（RGB/BGR/HSV）超详细用法教程
一、核心概念全解析
1. RGB vs BGR：最容易踩的坑
| 特性 | RGB | OpenCV 默认 BGR |
|---|---|---|
| 通道顺序 | 红®→绿(G)→蓝(B) | 蓝(B)→绿(G)→红® |
| 适用场景 | 人眼感知、PIL、matplotlib、网页、相机原生 | OpenCV 内部存储、imread/imshow默认格式 |
| 取值范围 | 0~255（8位图像） | 0~255（8位图像） |
为什么 OpenCV 用 BGR？
OpenCV 早期开发时，摄像头/相机厂商普遍使用 BGR 格式存储图像，为了兼容历史硬件，OpenCV 沿用了 BGR 顺序，成为行业默认。
2. HSV/HSB/HSL：面向图像处理的颜色空间
这三个都是基于人类视觉感知的颜色空间，核心是把「亮度」和「颜色」分离，非常适合做颜色分割、目标检测、抠图。
核心参数定义
| 分量 | 全称 | 含义 | OpenCV 取值范围 |
|---|---|---|---|
| H | Hue（色相） | 颜色本身（红、绿、蓝等） | 0179（为了适配8位，把标准0360°除以2） |
| S | Saturation（饱和度） | 颜色的鲜艳程度（0=灰，255=最纯） | 0~255 |
| V | Value（明度/亮度） | 颜色的明暗程度（0=黑，255=最亮） | 0~255 |
💡 补充：HSB 中的 B 是 Brightness（亮度），和 HSV 的 V 本质一致；HSL 中的 L 是 Lightness（亮度），计算方式略有不同，OpenCV 主流用 HSV。
二、核心转换函数
1. BGR ↔ RGB 转换（最常用）
# BGR → RGB（用于matplotlib显示、PIL处理）img_rgb=cv2.cvtColor(img_bgr,cv2.COLOR_BGR2RGB)# RGB → BGR（用于OpenCV保存/显示）img_bgr=cv2.cvtColor(img_rgb,cv2.COLOR_RGB2BGR)2. BGR ↔ HSV 转换（颜色分割核心）
# BGR → HSV（必须先转，才能做颜色检测）img_hsv=cv2.cvtColor(img_bgr,cv2.COLOR_BGR2HSV)# HSV → BGR（转回OpenCV默认格式显示）img_bgr=cv2.cvtColor(img_hsv,cv2.COLOR_HSV2BGR)三、实战：3个高频场景完整代码
场景1：基础演示——BGR/RGB显示对比（避坑）
importcv2importmatplotlib.pyplotasplt# 1. OpenCV imread 读取的是BGR格式img_bgr=cv2.imread("test.jpg")# 2. 直接用matplotlib显示BGR（颜色错乱）plt.subplot(121)plt.imshow(img_bgr)plt.title("BGR直接显示（颜色错误）")plt.axis("off")# 3. 转RGB后再显示（颜色正常）img_rgb=cv2.cvtColor(img_bgr,cv2.COLOR_BGR2RGB)plt.subplot(122)plt.imshow(img_rgb)plt.title("RGB正确显示")plt