【OpenCV实战】基于HSV的颜色分割Python实现（含Python代码）

一周没有更新博客了，这一周的时间内加强了对机器学习和图像处理的学习。学的有点混乱，有必要记录一下。

深度学习可以解决很多问题，但有时候深度学习和图像处理相结合才能有更好的效果：比如，在进行交通信号灯检测时，用目标检测模型确定信号灯位置后，对信号灯进行颜色分割再识别可大大提高准确率。

机器学习领域中有句话：数据和特征决定了模型的上限，而算法只不过是逼近这个上限而已，所以了解机器学习的常用算法，熟悉机器学习中的特征工程是很有必要的。

1、什么是HSV

我们知道RGB颜色模式，通过不同的配比可以形成不同的颜色。HSV也是一种颜色模式，其模型如图所示

通过图示我们也能够看到，他和RGB颜色模型相似，也是由三个属性决定颜色，H、S、V分别是色彩、深度、明暗，按着图中方向的变化，其对应的颜色也会改变，三者也同样是有取值范围的：

• H（色调）：用角度度量，取值范围为0°～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%～100%，值越大，颜色越饱和。
• V（明度）：表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。

HSV空间中三个指标相互独立，能够非常直观的表达色彩的明暗，色调，以及鲜艳程度，