机器视觉opencv教程（四）：图像颜色识别与颜色替换
图像颜色识别与颜色替换
前言
图像颜色识别与替换是计算机视觉的基础应用（如交通灯识别、产品分拣、图像美化等），核心是通过HSV 颜色空间实现更直观的颜色定位，并借助掩膜（Mask） 选择性提取或修改目标颜色。相较于 RGB 颜色空间，HSV 更符合人类对颜色的感知逻辑，是颜色相关任务的首选方案。
一、核心基础：HSV 颜色空间
HSV（Hue - 色调、Saturation - 饱和度、Value - 亮度）是一种基于人眼对颜色感知的颜色模型，与 RGB（红、绿、蓝）的 “三原色叠加” 逻辑完全不同，更适合颜色分割与识别。
1.1 HSV 与 RGB 的核心区别
| 维度 | RGB 颜色空间 | HSV 颜色空间 |
|---|---|---|
| 表示逻辑 | 加色法模型，通过红、绿、蓝三通道强度叠加表示颜色 | 基于 “颜色属性”，通过色调、饱和度、亮度三维度描述颜色 |
| 人类感知匹配 | 不直观（调整红色需同时修改 R、G、B 通道） | 高度匹配（人类对颜色的认知就是 “什么色、艳不艳、亮不亮”） |
| 颜色分割难度 | 高（通道耦合性强，易受光照影响） | 低（色调 H 独立区分颜色，光照影响可通过亮度 V 调整） |
| 适用场景 | 图像显示（屏幕、相机） | 颜色识别、分割、替换（计算机视觉任务） |
1.2 HSV 三分量详解
HSV 通过三个独立分量精准描述颜色，各分量的定义、取值范围（含 OpenCV 适配）及意义如下：
| 分量 | 中文名称 | 定义（核心作用） | 标准取值范围 | OpenCV 取值范围（8 位像素） | 关键说明 |
|---|---|---|---|---|---|
| H | 色调 | 区分颜色种类（如红、黄、绿） | 0°~360° | 0~179（360° 压缩为 0~179） | 0 = 红，60 = 黄，120 = 绿，180 = 青，240 = 蓝，300 = 紫 |
| S | 饱和度 | 描述颜色纯度（鲜艳程度） | 0%~100% | 0~255 | S=0→灰度（无色），S=255→纯色（最鲜艳） |
| V | 亮度 | 描述颜色明暗程度 | 0%~100% | 0~255 | V=0→黑色，V=255→最亮（白色或纯色最亮状态） |
例：纯红色的 HSV 值（标准）为 (0°, 100%, 100%)，在 OpenCV 中对应 (0, 255, 255)；浅红色（偏灰、较暗）可能为 (0, 100, 150)。
1.3 HSV 色域图
HSV 色域可理解为“圆锥体”结构：
- 圆锥的高度对应亮度 V（从下到上：0→255，黑色→白色）；
- 圆锥的半径对应饱和度 S（从中心到边缘：0→255，灰度→纯色）；
- 圆锥的圆周角度对应色调 H（0°→360°，红→黄→绿→蓝→紫→红）。
二、关键操作：掩膜（Mask）
掩膜是颜色识别与替换的 “筛选工具”，通过二值化图像实现对目标区域的选择性操作。
2.1 掩膜的定义与特点
-
定义：与原始图像尺寸完全相同的二值化图像（仅含 0 和 255 两个像素值）。
-
核心特点：
- 白色区域（像素值 = 255）：“保留区”—— 后续操作仅作用于该区域；
- 黑色区域（像素值 = 0）：“遮挡区”—— 后续操作忽略该区域。
2.2 掩膜的核心作用
- 选择性提取：仅保留图像中符合条件的区域（如 “只提取黄色区域”）；
- 选择性修改：仅修改图像中符合条件的区域（如 “只把红色区域换成蓝色”）；
- 噪声过滤：结合形态学操作（如开运算），去除掩膜中的细小杂点。
三、实战 1：图像颜色识别（提取目标颜色）
通过 “HSV 转换→生成掩膜→位与运算” 三步，从图像中精准提取指定颜色（以提取黄色为例）。
# 图像颜色识别：提取指定颜色（黄色）
import cv2
import numpy as np# 步骤1：图像读取与预处理
# cv2.imread：读取图像（OpenCV默认读取为BGR格式，非RGB）
image_np = cv2.imread('./color.png')
# cv2.resize：调整图像大小（700x700），方便观察（非必需，按需调整）
image_np = cv2.resize(image_np, (700, 700))# 步骤2：将BGR图像转换为HSV图像（颜色识别的关键一步）
# cv2.COLOR_BGR2HSV：OpenCV专用的BGR→HSV转换标识（必须用这个，不能用COLOR_RGB2HSV）
hsv_image_np = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)# 步骤3：定义目标颜色（黄色）的HSV范围，生成掩膜
# lowerb：HSV范围下限（H=26, S=43, V=46）——黄色的最低阈值
lowerb = np.array([26, 43, 46])
# upperb：HSV范围上限（H=34, S=255, V=255）——黄色的最高阈值
upperb = np.array([34, 255, 255])
# cv2.inRange：生成掩膜——HSV值在[lowerb, upperb]内的像素设为255（白），否则设为0（黑）
mask_image_np = cv2.inRange(hsv_image_np, lowerb, upperb)# 步骤4：位与运算——用掩膜提取目标颜色
# cv2.bitwise_and：仅保留掩膜中白色区域（255）的原图像素，其他区域设为0（黑）
color_image_np = cv2.bitwise_and(image_np, image_np, mask=mask_image_np)# 步骤5：显示结果
cv2.imshow("掩膜（Mask）", mask_image_np) # 显示掩膜
cv2.imshow("提取的黄色区域", color_image_np) # 显示提取的目标颜色
cv2.waitKey(0) # 等待任意按键关闭窗口（0表示无限等待）
cv2.destroyAllWindows() # 释放窗口资源
3.2 关键步骤解析
（1）图像读取：注意 BGR 格式
- OpenCV 的
cv2.imread()默认将图像读取为BGR 格式（红和蓝通道颠倒），后续转 HSV 必须用cv2.COLOR_BGR2HSV，而非COLOR_RGB2HSV（否则颜色转换错误）。
（2）HSV 范围确定：核心难点
- 目标颜色的 HSV 范围（
lowerb和upperb）需根据实际需求调整，可通过 “颜色拾取工具” 或 “调试法” 确定（例：红色的 HSV 范围可能是[0,43,46]~[10,255,255]）。 - 参考常用颜色的 OpenCV-HSV 范围：
红色：[0,43,46]~[10,255,255]| 绿色：[35,43,46]~[77,255,255]| 蓝色：[100,43,46]~[124,255,255]
（3）位与运算：掩膜的应用
cv2.bitwise_and(src1, src2, mask)：当src1=src2=原图时，掩膜mask会筛选出原图中需保留的区域 —— 仅mask=255的位置保留src1&src2（即原图像素），mask=0的位置结果为 0（黑色）。
四、实战 2：图片颜色替换（修改目标颜色）
在颜色识别的基础上，增加 “掩膜优化（开运算去噪）” 和 “颜色替换” 步骤，将指定颜色修改为目标颜色（以 “红色→蓝色” 为例）。
4.1 完整代码
# 图片颜色替换：将红色区域替换为蓝色
import cv2
import numpy as np# 步骤1：图像读取与初始显示
image_np = cv2.imread('./color.png')
cv2.imshow("原始图像", image_np) # 显示原图# 步骤2：将BGR图像转换为HSV图像（减少光照干扰，便于颜色定位）
image_hsv = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)# 步骤3：制作目标颜色（红色）的掩膜，并优化（开运算去噪）
# 3.1 定义红色的HSV范围
color_lower = np.array([0, 43, 46]) # 红色HSV下限
color_high = np.array([10, 255, 255]) # 红色HSV上限
# 3.2 生成初始掩膜
image_mask = cv2.inRange(image_hsv, color_lower, color_high)
# 3.3 开运算：先腐蚀再膨胀，去除掩膜中的细小白色噪点（避免替换时误改杂点）
# 构建3x3矩形核（结构化元素）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 执行开运算（cv2.MORPH_OPEN表示开运算）
image_mask_open = cv2.morphologyEx(image_mask, cv2.MORPH_OPEN, kernel)# 步骤4：执行颜色替换（核心步骤）
# 方式1：数组索引（高效，推荐）——直接将掩膜白色区域的像素设为蓝色（BGR格式：(255,0,0)）
image_np[image_mask_open == 255] = (255, 0, 0) # 注意：OpenCV中蓝色是(255,0,0)，非(0,0,255)# 方式2：循环遍历（低效，不推荐）——适合理解原理，大图像耗时
# for i in range(image_mask_open.shape[0]): # 遍历行（高度）
# for j in range(image_mask_open.shape[1]): # 遍历列（宽度）
# if image_mask_open[i, j] == 255: # 若为掩膜白色区域
# image_np[i, j] = (255, 0, 0) # 替换为蓝色# 步骤5：显示结果
cv2.imshow("优化后的掩膜", image_mask_open) # 显示去噪后的掩膜
cv2.imshow("颜色替换后图像", image_np) # 显示替换结果
cv2.waitKey(0)
cv2.destroyAllWindows()
4.2 关键步骤解析
（1）掩膜优化：开运算的作用
- 初始掩膜（
image_mask）可能包含细小白色噪点（如图像中的灰尘、光斑），若直接用于替换，会导致 “误改无关区域”。 - 开运算（
cv2.MORPH_OPEN）：先腐蚀（消除小噪点）再膨胀（恢复目标区域大小），既能去除噪点，又不影响目标区域的整体形状。
（2）颜色替换：注意 BGR 通道顺序
- OpenCV 中颜色用BGR 格式表示，而非 RGB：
蓝色 → (255, 0, 0)（B=255，G=0，R=0）；
红色 → (0, 0, 255)（B=0，G=0，R=255）；
绿色 → (0, 255, 0)（B=0，G=255，R=0）。 - 数组索引方式（
image_np[image_mask_open == 255] = (255,0,0)）比循环遍历高效 10~100 倍，尤其适合大图像。
五、关键总结与注意事项
5.1 常见问题与解决方案
- 颜色提取错误：
- 原因：HSV 范围设置不当，或用了
COLOR_RGB2HSV（而非COLOR_BGR2HSV）。 - 解决：调整
lowerb和upperb（参考常用颜色范围），确保转换标识正确。
- 原因：HSV 范围设置不当，或用了
- 替换后有杂色：
- 原因：掩膜含细小噪点，导致误替换。
- 解决：增加开运算（
cv2.MORPH_OPEN），或调大核尺寸（如(5,5)）。
- 颜色替换后显示异常：
- 原因：混淆 BGR 和 RGB 格式（如将蓝色设为
(0,0,255)）。 - 解决：牢记 OpenCV 用 BGR，蓝色是
(255,0,0)，红色是(0,0,255)。
- 原因：混淆 BGR 和 RGB 格式（如将蓝色设为
5.2 操作流程梳理
| 任务 | 核心流程 | 关键差异 |
|---|---|---|
| 颜色识别 | 读取图像→BGR 转 HSV→生成掩膜→位与提取→显示 | 无需形态学操作（简单场景），需位与运算 |
| 颜色替换 | 读取图像→BGR 转 HSV→掩膜制作→开运算去噪→颜色替换→显示 | 需掩膜优化（开运算），需数组索引替换 |