前言

经过前面的理论知识介绍，我们已经掌握了各种色彩空间类型。本篇博文主要介绍在OpenCV中，如何用代码实现色彩空间类型的转换。

RGB与GRAY互相转换

在OpenCV内，我们使用cv2.cvtColor()函数实现色彩空间的转换。该函数色彩空间类型用枚举类型表示，其中COLOR_BGR2GRAY枚举类型就是专门提供给给RGB转GRAY的。

具体代码如下所示：

import cv2

img = cv2.imread("4.jpg", -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("rgb", img)
cv2.imshow("gray", gray)
cv2.waitKey()
cv2.destroyAllWindows()

运行之后，效果如下图所示： 接着，我们再来看看GRAY如何转换为RGB，具体代码如下所示：

import cv2

img = cv2.imread("4.jpg", 0)
bgr = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.imshow("gray", img)
cv2.imshow("rgb", bgr)
cv2.waitKey()
cv2.destroyAllWindows()

运行之后，显示效果如下图所示： 需要注意的是，RGB图像的颜色3维矩阵是BGR，所以我们转换的时候都是通过BGR2GRAY与GRAY2BGR进行的。从这里我们也可以看出来，其枚举类型常量其实非常好理解，无非就是将转换类型名称颠倒即可。

但是，我们发现灰度图像转换为RGB图像是没有变化的，因为灰度图像没有颜色值，运算不可能通过凭空想象的方式还原，但是灰度图像转RGB图像还有具有一定意义的，假如你需要上色，那么灰度图像是一个二维矩阵，它不是颜色值的三维矩阵，你是无法赋值的。而通过GRAY转RGB后，可以像操作RGB图像一样更改某个像素的颜色值，虽然它是灰色。

RGB与HSV互相转换

同上面代码类似，通过cv2.cvtColor()来转换色彩空间：

import cv2

img = cv2.imread("4.jpg", -1)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow("bgr", img)
cv2.imshow("hsv", hsv)
cv2.waitKey()
cv2.destroyAllWindows()

运行之后，我们会得到如下所示的图像： 在前面的理论知识中，我们可以根据色调的值获取某种颜色，也就是可以通过在HSV的H通道上的值，提取特定的颜色。这种提取分析颜色的优势可以在人脸识别中识别肤色等。

下面，我们来用蓝色试一试，具体代码如下所示：

import cv2

img = cv2.imread("4.jpg", -1)
img[:, :, 0] = 255
Blue = img
blueHSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow("imgBlue", Blue)
cv2.imshow("blueHSV", blueHSV)
cv2.waitKey()
cv2.destroyAllWindows()

运行之后，效果如下所示： 现在，我们来提取它的红色区域，完整代码如下所示：

import cv2
import numpy as np

img = cv2.imread("4.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.imshow("hsv", hsv)
minBlue = np.array([0, 50, 50])
maxBlue = np.array([30, 255, 255])
# 确定蓝色区域
mask = cv2.inRange(hsv, minBlue, maxBlue)
# 通过按位与获取蓝色区域
blue_img = cv2.bitwise_and(img, img, mask=mask)
cv2.imshow("blue", blue_img)
cv2.waitKey()
cv2.destroyAllWindows()

这里，我们用到了一个新的方法cv2.inRange()，它的定义如下所示：

def inRange(src, lowerb, upperb, dst=None):

src：表示要检查的数组或头像

lowerb：表示范围下界

upperb：表示范围上界

通过该方法，我们能判断图像内的像素点的像素值是否在某个区间。

经过前面的理论讲解，我们知道，HSV的H等于0为红色。为了兼容性，我们需要将红色的值上下扩展一些，但本身是颜色范围不能小于0，所以我们只能扩展上界限，也就是扩大30范围。

而HSV中的S通道，V通道取值范围为[100,255]。所以，这里我们为了获取到图像红色的值，将界限限定在[0, 50, 50]到[30, 255, 255]之间，运行之后，提取到了图像的红色： 从本例可以看出来，我们通过cv2.inRange()可以将图像内指定范围的值标注出来，在返回到mask中。如果图像的值位于该区间，则mask对应位置上的值为255，反之为0。然后，通过掩摸按位与运算将指定颜色取出来。

这里我们的bitwise_and有了第3个参数mask，利用掩摸（mask）进行“与”操作，即掩膜图像白色区域是对需要处理图像像素的保留，黑色区域是对需要处理图像像素的剔除。