rgb通道與hsv通道在顏色檢測中的區別
hsv是相對rgb的另一種顏色表示方式，它相對rgb而言，是一種比較直觀的顏色模型。其中顏色的引數分別是：色調（h），飽和度（s），明度（v）。
色調h：
用角度度量，取值範圍為0°～360°，從紅色開始按逆時針方向計算，紅色為0°，綠色為120°,藍色為240°。它們的補色是：黃色為60°，青色為180°,紫色為300°；
飽和度s：
飽和度s表示顏色接近光譜色的程度。一種顏色，可以看成是某種光譜色與白色混合的結果。其中光譜色所佔的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高。飽和度高，顏色則深而豔。光譜色的白光成分為0，飽和度達到最高。通常取值範圍為0%～100%，值越大，顏色越飽和。
明度v：
明度表示顏色明亮的程度，對於光源色，明度值與發光體的光亮度有關；對於物體色，此值和物體的透射比或反射比有關，光照對此值影響最大。通常取值範圍為0%（黑）到100%（白）。
)#讀取一張
hsv=cv2.cvtcolor(img,cv2.color_bgr2hsv)
#利用cv2.cvtcolor將進行格式轉化
#轉化型別為cv2.color_bgr2hsv
cv2.imshow(
"hsv"
, hsv)
cv2.waitkey(
0)
cv2.destroyallwindows(
)原圖：
處理後：
此函式可實現影象的二值化處理功能，這點類似之前提到過的threshold()函式，但是threshold()函式只能對單一通道進行二值化處理，而inrange()可以對多個通道進行操作。使用inrange處理之前，需要確定好兩個陣列，即影象上限和影象下限。
img = cv2.inrange(hsv, lower, upper)
第乙個引數：hsv指的是原圖
第二個引數：lower指的是影象中低於這個lower的值，影象值變為0
第三個引數：upper指的是影象中高於這個upper的值，影象值變為0
注意：如果傳入的影象是彩色的，即三維數**像，則lower與upper裡面分別有三個元素，並且二者必須都是陣列型別。
(lower, upper)兩個陣列引數可以作為乙個範圍，如果影象的畫素點在這個範圍之內，畫素點就變成255（即白色），如果影象的畫素點在這個範圍之外，畫素點就變為0（即黑色）。
處理完成之後，影象變為二值影象，想要的影象顏色變為白色，其他顏色變為黑色，之後可以專門針對白色進行處理。
提取該圖水杯部分（即黑色部分）：
])#提前確定黑色的hsv範圍
img_r=cv2.inrange(img,lower,upper)
cv2.imshow(
"img_r"
,img_r)
cv2.waitkey(0)
cv2.destroyallwindows(
)處理後：
由於貓耳朵與後面角落有部分黑色，並且杯子本身黑色不純（存在白點），會產生噪點，需要後續進行處理，消去噪音點。
如果光源不穩定，光照變化較大（存在陰影或者亮斑），則利用hsv通道檢測就比rgb檢測高效得多。光照變化較大時，對rgb三個色道的引數影響都很大，在實際調參過程中會顯得非常麻煩，而且效果不理想。
hsv中，由於h是顏色的色調，基本不受光照影響（即不受陰影或者亮斑影響），而v（明度）主要體現了顏色明亮程度，可以主要除錯v來應對光源的變化，並且除錯效果比rgb色道要可靠。
文：齊魯工業大學 雲靈未來人工智慧協會 aidc017
利用opencv檢測出矩形
pragma once include troot.h include cbintoprofile.h include th1.h include cbmpdiff.h include ccircletopeak.h include ccolorcut.h include ccubicbspline...
利用opencv進行換臉
關於換臉的什麼背景什麼的，我也就不提了，直接說一下換臉所需要的步驟吧，在這裡我用的是opencv和之前我用的clm框架，clm還是進行人臉關鍵點檢測，利用opencv進行臉部替換和顏色風格統一。接下來是利用opencv換臉的一般步驟 臉部關鍵點檢測 因為我們要變換的兩張臉的形狀一般是不同的，所以我們...
利用dlib進行人臉檢測
1 dlib安裝，pip install dlib。參考 同opencv人臉檢測，參考 構建人臉檢測器 detector dlib.get frontal face detector 獲取人臉關鍵點檢測器 predictor dlib.shape predictor shape predictor ...