HSV：色调、饱和度和明度。这种格式适用于色调，因此很容易过滤颜色——这意味着，我们可以使用角度范围，而不必计算红色、绿色和蓝色之间的组合范围。

我们可以用Numpy来定义HSV的上下边界。应用函数．inRange过滤这些值，并创建一个掩码，然后我们可以使用．bitwise＿and在饱和状态下应用这个掩码，它会使边界以外的一切都变成零。换句话说：我们可以过滤一些颜色，然后将其余所有颜色设置为灰度。＃ 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．array（［80， 0， 0］） upper ＝ np．array（［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）

分割图像也可以让我们更容易地检测它的构图。我们可以从RGB绘制颜色，从HSV绘制饱和度，或任何其他我们想要的通道。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”色图时，值从白色（低）到黑色（高）。通过查看第一张map图，我们可以看出，地面上的蓝色强度高于建筑物中的蓝色强度，并且通过饱和度图可以看出，滑板周围的值高于图像中其他部分的值。本文我们探索了如何加载和显示图片，如何将数组转换为不同的颜色格式以及如何访问，修改和过滤通道。资源：OpenCV读取图像；https：／／opencv－python－tutroals．readthedocs．io／en／latest／py＿tutorials／py＿gui／py＿image＿display／py＿image＿display．htmlOpenCV颜色转换；https：／／docs．opencv．org／3．4／de／d25／imgproc＿color＿conversions．htmlMatplotlib显示图像；https：／／matplotlib．org／api／＿as＿gen／matplotlib．pyplot．imshow．html数组上的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参考链接：https：／／towardsdatascience．com／getting－started－with－opencv－249e86bd4293