OpenCV-Python图像处理：用inRange刷选图像中指定颜色对象案例

LaoYuanPython

墨衍会员 · AI 创作全网分发码龄8年

关注

原创最新推荐文章于 2026-09-07 22:27:00 发布 3.9k 阅读 AI 写同款· GEO 优化 ›

Opencv中inRange函数使用介绍 Opencv中inRange函数使用介绍，HSV格式阅读详情

☞ ░ 前往老猿Python博客 https://blog.youkuaiyun.com/LaoYuanPython ░

一、引言

在图像识别处理中，有时需要将图像中指定颜色对的对象抠图出来，此时使用HSV空间结合inRange函数即可以做到。

二、相关背景知识

2.1、HSV颜色空间

关于HSV颜色空间的资料到处都有，可以参考《HSV颜色识别-HSV基本颜色分量范围》和《Python图像处理：OpenCV HSV和标准表示法的区别以及转换》。老猿不重复介绍，只简单概述四点：

HSV颜色空间对颜色的表述非常符合人眼识别颜色的情况，表达起来更加直观，其中H表示色彩、S表示饱和度、V表示明度，分别代表了人眼对颜色的感知：“这是什么颜色？深浅如何？明暗如何？”，正因为如此，对感知颜色的物体识别时，HSV颜色空间比RGB空间具有独特优势；
OpenCV的HSV表示法和标准的表示法不同，具体的请参考上面第二篇博文的介绍；
在OpenCV的HSV颜色表示法内，从《Python图像处理：OpenCV HSV和标准表示法的区别以及转换》提供的表格来看，经过实验测试的彩色（非黑、白、灰）的饱和度最小值最好是43开始、最大值255，明度最小值最好是46开始，最大255，而某个颜色范围的H最大和最小值差距基本上在10-30之间，大部分在10-14之间，这个范围我们可以用于颜色识别的处理；
从OpenCV的BGR空间转换到HSV空间，可以使用cvtColor带转换类型为COLOR_BGR2HSV。

2.2、关于inRange函数

inRange函数是OpenCV提供的用于检测图像矩阵的元素各通道值是否介于两个指定的矩阵或标量lowerb和upperb对应通道值之间，如果检测图像的某个像素的各个通道值分别大于等于lowerb对应元素或标量的各个通道值且小于等于upperb对应元素或标量的各个通道值，则结果矩阵对应元素的各个通道被设置为255，否则被设置为0。

调用语法： `dst = inRange(src, lowerb, upperb, dst=None)`

三、案例

3.1、案例说明

在本案例中，将采用展示指定图像，指定后用鼠标左键点击该图像中需要单独选择的图像的颜色，选择后则另外弹出一个窗口展示原图像中与选择点颜色相同的图像内容，其他部分被置为黑色，最后按ESC退出。

3.2、案例代码

import cv2
import numpy as np

from opencvPublic import readImgFile

def OnMouseAction(event,x,y,flags,imginf): #图像展示界面的鼠标响应函数，用于根据点击图像像素的值来设置要选择的颜色
    img,title = imginf
    if event == cv2.EVENT_LBUTTONDOWN:
        print("左键点击")
        #cv2.circle(img,(x,y),5,(255,0,0))
        pointRange = img[y:y+10,x:x+10]
        HSV = cv2.cvtColor(pointRange,cv2.COLOR_BGR2HSV)
        pointColor = HSV[0,0]

        HMin = pointColor[0]-7 if (pointColor[0]-10)>0 else 0
        HMax = pointColor[0]+7 if (pointColor[0]+10)<180 else 180
        SMin = 43
        SMax = 255
        VMin =  46
        VMax =  255
        setTrackClor(title,(HMin,SMin,VMin),(HMax,SMax,VMax))

def setTrackClor(title,hsvMin,hsvMax): #根据选择的像素颜色设置窗口的轨迹条位置
    HMin,SMin,VMin = hsvMin
    HMax,SMax,VMax = hsvMax
    cv2.setTrackbarPos('HMin', title,HMin)
    cv2.setTrackbarPos('HMax', title,HMax)


def adjustSelectColor(value):pass  #空函数，为了createTrackbar传值

def getSpecPointColor(title):#根据轨迹条的值来确认颜色的范围
    HMin = cv2.getTrackbarPos('HMin', title)
    HMax = cv2.getTrackbarPos('HMax', title)
    SMin = 43
    SMax = 255
    VMin = 46
    VMax = 255
    return (HMin,SMin,VMin),(HMax,SMax,VMax)

def colorSelectRange(img,title):#展示图像并挑选要选择图像内容对应的颜色，挑选后显示该颜色对应的图像内容
    cv2.namedWindow(title)
    cv2.createTrackbar('HMin', title, 0, 180, adjustSelectColor)
    cv2.createTrackbar('HMax', title, 0, 180, adjustSelectColor)
    cv2.setMouseCallback(title, OnMouseAction, (img,title))
    cv2.imshow(title,img)
    minHsv = maxHsv = (0,0,0)
    while True:
        ch = cv2.waitKey(500)
        if (ch & 0xFF) ==27:
            return minHsv, maxHsv
        elif ch==-1:
            preminHsv,premaxHsv = minHsv, maxHsv
            minHsv,maxHsv = getSpecPointColor(title)

            if (minHsv!=preminHsv) or (maxHsv!=premaxHsv):
                if premaxHsv == (0, 0, 0): continue
                print(f"已经选择对应图像颜色HSV范围：{minHsv}--{maxHsv}")
                imgHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
                mask = cv2.inRange(imgHSV, np.array(minHsv), np.array(maxHsv))
                imgResult = cv2.bitwise_and(img, img, mask=mask)
                cv2.imshow("result img", imgResult)

def main(imgFName):#主程序
    information = "老猿Python博客文章目录：https://blog.youkuaiyun.com/LaoYuanPython/article/details/109160152，敬请关注同名微信公众号"

    img = readImgFile(imgFName, False) #自定义读入图片文件的函数，具体功能请参考：https://blog.youkuaiyun.com/LaoYuanPython/article/details/111351901

    minHsv, maxHsv = colorSelectRange(img,'select color by specpoint')
    print(f"已经选择对应图像颜色HSV范围：{minHsv}--{maxHsv}。\n更多学习资料请参考:\n    {information}")

main(r'f:\pic\手握蓝球.JPG')

3.3、运行结果

选择点击蓝球，结果如下：
在这里插入图片描述
选择点击手，结果如下：

但如果选择下面的白色文字，则显示效果不太如意，大家可以想想原因，不知道的可以到"老猿Python"的微信公众号寻找答案。

按ESC退出后，程序控制台的文字输出如下：

左键点击
已经选择对应图像颜色HSV范围：(103, 43, 46)--(117, 255, 255)
左键点击
已经选择对应图像颜色HSV范围：(7, 43, 46)--(21, 255, 255)
左键点击
已经选择对应图像颜色HSV范围：(7, 43, 46)--(21, 255, 255)。
更多学习资料请参考:
    老猿Python博客文章目录：https://blog.csdn.net/LaoYuanPython/article/details/109160152，敬请关注同名微信公众号