Python OpenCV基于HSV的颜色分割实现示例

闻溪

发布时间：2026-10-15 | 4人浏览过

原创

本文介绍如何利用Python和OpenCV进行HSV颜色分割，以交通信号灯检测为例。详细解析HSV模型中H、S、V参数的含义及取值范围，并通过createTrackbar函数实现阈值动态调整，最终生成掩码以提取感兴趣区域，提升识别准确率。

前言

近一周专注于机器学习和图像处理的深入学习，虽然内容繁杂，但有必要将所学进行系统记录。

尽管深度学习能解决诸多问题，但在特定场景下，将其与图像处理结合往往效果更佳。例如在交通信号灯检测任务中，先利用目标检测模型定位信号灯位置，再对定位区域进行颜色分割与识别，可显著提升整体准确率。

机器学习领域有句名言：数据和特征决定了模型的上限，算法仅负责逼近该上限。因此，掌握常用机器学习算法并熟悉特征工程至关重要。

1、什么是HSV

大家熟知RGB颜色模式，通过不同比例混合可生成各种颜色。HSV同样是重要的颜色模式，其模型结构如图所示

从图示可以看出，HSV模型与RGB类似，均由三个属性共同决定颜色。H、S、V分别代表色调、饱和度（深度）和明度（明暗）。随着图中方向的变化，对应颜色也会发生改变，且三者均有特定的取值范围：

H（色调）：以角度为单位度量，取值范围为0°至360°
S（饱和度）：表示颜色接近光谱色的程度。通常取值范围为0%至100%，数值越大，颜色越饱和。
V（明度）：表示颜色的明亮程度。对于光源色，明度值与发光体的光亮度相关；对于物体色，则与物体的透射比或反射比有关。通常取值范围为0%（黑色）到100%（白色）。

HSV空间中的三个指标相互独立，能够直观地表达色彩的明暗、色调及鲜艳程度，便于颜色间的对比，因此常用于颜色的分割与识别。各颜色在HSV空间中的具体范围见下表

2、代码实战

从网络下载了一张交通信号灯图片，如图所示

我们的目标是通过颜色分割，提取出感兴趣的区域，以便进行后续操作。

2.1 createTrackbar使用方法及步骤

在开始实际操作前，先了解createTrackbar函数。这是OpenCV提供的API，可在显示图像的窗口中快速创建一个滑动控件，用于手动调节阈值，效果直观。通过直接观察阈值选择的效果，可以确定理想的阈值参数。

使用Trackbar需要掌握两个关键函数：

（1）创建滑动条函数

一个滑动条仅能用于一个参数。若需改变多个参数，需创建多个滑动条。

cv2.createTrackbar(trackbarName, windowName, value, count, onChange)

各参数意义如下：

trackbarName：滑动条的名称；

windowName：滑动条依附的图像窗口名称；

value：初始化阈值；

count：滑动控件的刻度范围，最小值默认为0。

onChange：回调函数名称。所谓回调函数，即每次修改滑动条后需传入新变量的函数，其定义如下：

onchange：void foo（int，void*）。

其中第一个参数代表滑动条位置，第二个参数为用户数据（详见下一参数）。若回调为空指针，则不调用回调函数，仅更新值。

用户数据：按原样传递给回调的用户数据。它可用于处理滑动条事件，从而避免使用全局变量。

（2）获取滑动条的值函数

cv.getTrackbarPos用于获取滑动条位置处的值。

g = cv2.getTrackbarPos(trackbarName2, windowName)
#第一个参数为滑动条1的名称，第二个参数为窗口的名称。

注意：必须在回调函数内部采用cv.getTrackbarPos获取滑动条位置处的值。否则，若存在多个滑动条，函数无法获取更新后的参数值。

2.2 代码详解

import cv2
# 滑动条的回调函数，获取滑动条位置处的值
def empty(a):
    h_min = cv2.getTrackbarPos("Hue Min","TrackBars")
    h_max = cv2.getTrackbarPos("Hue Max", "TrackBars")
    s_min = cv2.getTrackbarPos("Sat Min", "TrackBars")
    s_max = cv2.getTrackbarPos("Sat Max", "TrackBars")
    v_min = cv2.getTrackbarPos("Val Min", "TrackBars")
    v_max = cv2.getTrackbarPos("Val Max", "TrackBars")
    print(h_min, h_max, s_min, s_max, v_min, v_max)
    return h_min, h_max, s_min, s_max, v_min, v_max
path = 'Resources/11.jpg'
# 创建一个窗口，放置6个滑动条
cv2.namedWindow("TrackBars")
cv2.resizeWindow("TrackBars",640,240)
cv2.createTrackbar("Hue Min","TrackBars",0,179,empty)
cv2.createTrackbar("Hue Max","TrackBars",19,179,empty)
cv2.createTrackbar("Sat Min","TrackBars",110,255,empty)
cv2.createTrackbar("Sat Max","TrackBars",240,255,empty)
cv2.createTrackbar("Val Min","TrackBars",153,255,empty)
cv2.createTrackbar("Val Max","TrackBars",255,255,empty)
while True:
    img = cv2.imread(path)
    imgHSV = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    # 调用回调函数，获取滑动条的值
    h_min,h_max,s_min,s_max,v_min,v_max = empty(0)
    lower = np.array([h_min,s_min,v_min])
    upper = np.array([h_max,s_max,v_max])
    # 获得指定颜色范围内的掩码
    mask = cv2.inRange(imgHSV,lower,upper)
    # 对原图图像进行按位与的操作，掩码区域保留
    imgResult = cv2.bitwise_and(img,img,mask=mask)
    cv2.imshow("Mask", mask)
    cv2.imshow("Result", imgResult)
    cv2.waitKey(1)