HSV：色調(diào)、飽和度和明度。這種格式適用于色調(diào)，因此很容易過濾顏色——這意味著，我們可以使用角度范圍，而不必計算紅色、綠色和藍(lán)色之間的組合范圍。

我們可以用Numpy來定義HSV的上下邊界。應(yīng)用函數(shù)．inRange過濾這些值，并創(chuàng)建一個掩碼，然后我們可以使用．bitwise＿and在飽和狀態(tài)下應(yīng)用這個掩碼，它會使邊界以外的一切都變成零。換句話說：我們可以過濾一些顏色，然后將其余所有顏色設(shè)置為灰度。＃ read img and convert to HSVimg ＝ cv2．imread（＇img2．jpeg＇）img ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2HSV）＃ split dimensionsH， S， V ＝ cv2．split（img）＃ upper and lower boundarieslower ＝ np．a(chǎn)rray（［80， 0， 0］） upper ＝ np．a(chǎn)rray（［120， 255， 255］）＃ build maskmask ＝ cv2．inRange（img， lower， upper）＃ apply mask to saturationS ＝ cv2．bitwise＿and（S， S， mask＝mask）＃ assemble imageimg ＝ cv2．merge（［H， S， V］）＃ convert to RGB and displayimg ＝ cv2．cvtColor（img， cv2．COLOR＿HSV2RGB）show（img）

分割圖像也可以讓我們更容易地檢測它的構(gòu)圖。我們可以從RGB繪制顏色，從HSV繪制飽和度，或任何其他我們想要的通道。img ＝ cv2．imread（＇img2．jpeg＇）B， G， R ＝ cv2．split（img） show（B）
img ＝ cv2．cvtColor（img， cv2．COLOR＿BGR2HSV）H， S， V ＝ cv2．split（img）show（S）

使用“灰色”色圖時，值從白色（低）到黑色（高）。通過查看第一張map圖，我們可以看出，地面上的藍(lán)色強(qiáng)度高于建筑物中的藍(lán)色強(qiáng)度，并且通過飽和度圖可以看出，滑板周圍的值高于圖像中其他部分的值。本文我們探索了如何加載和顯示圖片，如何將數(shù)組轉(zhuǎn)換為不同的顏色格式以及如何訪問，修改和過濾通道。資源：OpenCV讀取圖像；https：／／opencv－python－tutroals．readthedocs．io／en／latest／py＿tutorials／py＿gui／py＿image＿display／py＿image＿display．htmlOpenCV顏色轉(zhuǎn)換；https：／／docs．opencv．org／3．4／de／d25／imgproc＿color＿conversions．htmlMatplotlib顯示圖像；https：／／matplotlib．org／api／＿as＿gen／matplotlib．pyplot．imshow．html數(shù)組上的OpenCV操作；https：／／docs．opencv．org／2．4／modules／core／doc／operations＿on＿arrays．htmlOpenCV基本操作；https：／／opencv－python－tutroals．readthedocs．io／en／latest／py＿tutorials／py＿core／py＿basic＿ops／py＿basic＿ops．html參考鏈接：https：／／towardsdatascience．com／getting－started－with－opencv－249e86bd4293