python CV学习3：彩色空间互转_pythoncv使用真彩色可视化地面真值-优快云博客

本文介绍了使用OpenCV进行颜色空间转换的方法，包括RGB与灰度图、HSV之间的转换，并探讨了HSV颜色空间的特点及其应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 学习目标

了解相关颜色空间的基础知识
理解彩色空间互转的理论
掌握OpenCV框架下颜色空间互转API的使用

2. RGB与灰度图互转

img1= cv2.imread('./src/cat.jpg')
img2 = cv2.imread('./src/cat.jpg',0) #灰度图通过参数0实现

cv2.imshow('image1',img1)   
cv2.imshow('image2',img2)  
cv2.waitKey(0)           
cv2.destroyAllWindows()

3. RGB与HSV互转

HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、明度(Value)，又称HSB(B即Brightness)。色相是色彩的基本属性，就是平常说的颜色的名称，如红色、黄色等。饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。明度（V），取0-max(计算机中HSV取值范围和存储的长度有关)。HSV颜色空间可以用一个圆锥空间模型来描述。圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。

RGB颜色空间中，三种颜色分量的取值与所生成的颜色之间的联系并不直观。而HSV颜色空间，更类似于人类感觉颜色的方式，封装了关于颜色的信息：“这是什么颜色？深浅如何？明暗如何？

HSV模型

这个模型就是按色彩、深浅、明暗来描述的。

H是色彩；

S是深浅， S = 0时，只有灰度；

V是明暗，表示色彩的明亮程度，但与光强无直接联系。

应用：可以用于偏光矫正、去除阴影、图像分割等

cv2.imshow('original image',img1)
HSV_img = cv2.cvtColor(img1,cv2.COLOR_BGR2HSV)
cv2.imshow('HSV',HSV_img)
cv2.waitKey(0)       
cv2.destroyAllWindows()