從入門到實戰：Python OpenCV色彩空間轉換詳解

色彩空間的世界：Python OpenCV帶你入門與實戰¶

一、什麼是色彩空間？¶

在我們的日常中，看到的顏色其實是由不同的「色彩表示方式」編碼的。就像我們用不同的語言描述同一個東西，色彩空間就是計算機用來表示顏色的「語言」。

最常見的色彩空間有三種：
- RGB：我們最熟悉的，由紅（Red）、綠（Green）、藍（Blue）三個通道組成。每個通道用0-255的數值表示亮度，比如純紅色是(255, 0, 0)。
- BGR：OpenCV讀取圖像時默認使用的是BGR，而不是RGB！順序是藍（Blue）、綠（Green）、紅（Red）。比如圖像中紅色的像素在BGR中是(0, 0, 255)，而不是RGB的(255, 0, 0)——這點非常關鍵，初學者容易搞混。
- HSV：對人眼更友好的色彩空間，由色相（Hue）、飽和度（Saturation）、明度（Value）三個部分組成：
- 色相（H）：顏色的種類（如紅、綠、藍），範圍0-179（OpenCV中）。
- 飽和度（S）：顏色的鮮豔程度，0-255，數值越大顏色越純。
- 明度（V）：顏色的亮度，0-255，數值越大越亮。

二、爲什麼要轉換色彩空間？¶

不同的色彩空間有不同的「用途」：
- RGB：適合顯示和屏幕顯示，因爲它直接對應屏幕的紅綠藍像素髮光。
- HSV：適合顏色分割與識別！比如要從圖像中提取紅色區域，用HSV更容易，因爲「色相」只和顏色種類有關，不管亮度多高（比如深紅和亮紅在HSV中H值相近）。
- BGR：OpenCV的「原生語言」，所有圖像數據默認是BGR格式，處理圖像時需注意轉換。

三、OpenCV色彩空間轉換的基礎操作¶

Python中OpenCV的cv2.cvtColor()函數是實現色彩空間轉換的核心工具，語法如下：

import cv2
img = cv2.imread('your_image.jpg')  # 讀取圖像（默認BGR格式）
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 轉換爲HSV

參數解析：
- img：輸入圖像（必須是NumPy數組）。
- cv2.COLOR_BGR2HSV：轉換代碼，格式爲COLOR_原空間2目標空間。
- 常見轉換代碼：
- COLOR_BGR2RGB：BGR轉RGB（注意OpenCV讀入的是BGR，若想轉爲Python的RGB顯示，需用此轉換）。
- COLOR_BGR2GRAY：轉爲灰度圖。
- COLOR_RGB2HSV：RGB轉HSV（但OpenCV讀取圖像是BGR，所以實際用COLOR_BGR2HSV更常見）。

四、實戰案例：用HSV識別並提取紅色物體¶

下面我們用靜態圖像或攝像頭即時處理，來提取圖像中的紅色物體。步驟如下：

步驟1：讀取圖像並轉換爲HSV

import cv2
import numpy as np

# 讀取圖像（替換爲你的圖像路徑）
img = cv2.imread('red_object.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 轉爲HSV

步驟2：定義紅色在HSV中的範圍
紅色在HSV中分爲兩個區間（因爲色相H在0-179中，紅色接近0和179）：
- 低亮度紅色：H≈0-10，S≈50-255，V≈50-255
- 高亮度紅色：H≈160-179，S≈50-255，V≈50-255

用cv2.inRange()創建掩碼（Mask），只保留紅色區域：

# 定義紅色範圍（低紅和高紅）
lower_red1 = np.array([0, 50, 50])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([160, 50, 50])
upper_red2 = np.array([179, 255, 255])

# 合併兩個紅色區間
lower_red = np.vstack((lower_red1, lower_red2))
upper_red = np.vstack((upper_red1, upper_red2))

# 創建紅色掩碼（1爲紅色區域，0爲其他）
mask = cv2.inRange(hsv, lower_red, upper_red)

步驟3：應用掩碼，提取紅色區域

# 用掩碼覆蓋原圖，只保留紅色區域
result = cv2.bitwise_and(img, img, mask=mask)

# 顯示結果
cv2.imshow('Original', img)
cv2.imshow('Red Mask', mask)
cv2.imshow('Red Extracted', result)
cv2.waitKey(0)  # 按任意鍵退出
cv2.destroyAllWindows()

五、進階：用攝像頭即時檢測紅色物體¶

如果想即時捕捉攝像頭畫面中的紅色物體，只需將cv2.imread()換成cv2.VideoCapture(0)（0爲攝像頭索引）：

cap = cv2.VideoCapture(0)  # 打開攝像頭

while True:
    ret, frame = cap.read()  # 讀取一幀
    if not ret:
        break
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)  # 轉爲HSV
    mask = cv2.inRange(hsv, lower_red, upper_red)  # 紅色掩碼
    result = cv2.bitwise_and(frame, frame, mask=mask)  # 提取紅色
    cv2.imshow('Real-time Red Detection', result)

    if cv2.waitKey(1) & 0xFF == ord('q'):  # 按q退出
        break

cap.release()
cv2.destroyAllWindows()

六、總結與擴展¶

關鍵點：色彩空間轉換的核心是cv2.cvtColor()，HSV適合顏色分割，BGR是OpenCV默認格式。
注意事項：不同光線條件下，顏色範圍需微調（比如燈光下紅色可能更亮，V值要提高）。
擴展方向：嘗試識別其他顏色（如藍色、綠色），只需調整HSV範圍；學習更多色彩空間（如YCrCb用於膚色檢測）。

色彩空間轉換是圖像處理的基礎技能，掌握它能讓你更靈活地處理圖像中的顏色信息，快去動手試試吧！