Opencv 为什么我们要从RGB转换为HSV

我有一个图像，我想检测其中的蓝色矩形。我的老师告诉我：

• 将其转换为HSV颜色模型
• 定义一个阈值保持，使其成为具有我们想要检测的颜色的二值图像

那么我们为什么要这样做呢？我们为什么不直接对rgb图像进行阈值保持呢？ 谢谢你的回答

根据：

由于数字图像中物体颜色的R、G和B分量都与照射到物体上的光量相关，因此相互关联，因此根据这些分量的图像描述使得物体识别困难。色调/明度/色度或色调/明度/饱和度方面的描述通常更相关

---

还有一些好的信息

你可以找到你问题的答案

基本总结是HSV更适合目标检测

OpenCV通常以8位无符号整数BGR格式捕获图像和视频。换句话说，捕获的图像可以被视为3个矩阵，蓝色、红色和绿色，其整数值范围为0到255

BGR图像是如何形成的 在上图中，每个小方框代表图像的一个像素。在真实图像中，这些像素非常小，以至于人眼无法分辨

通常，人们会认为BGR颜色空间更适合基于颜色的分割。但是HSV颜色空间是最适合基于颜色的图像分割的颜色空间。因此，在上面的应用程序中，我将视频原始图像的颜色空间从BGR转换为HSV图像

---

HSV颜色空间由3个矩阵组成，“色调”、“饱和度”和“值”。在OpenCV中，“色调”、“饱和度”和“值”的值范围分别为0-179、0-255和0-255“色调”表示颜色，“饱和度”表示相应颜色与白色的混合量，“值”表示相应颜色与黑色的混合量。

HSV颜色空间通过将颜色（色调）与饱和度和伪照明分离来提取颜色（色调）。这使得它适用于真实世界的应用，例如您提供的应用。

RGB中的R、G、B都与颜色亮度（我们松散地称之为强度）相关，即我们无法将颜色信息与亮度分离。HSV或色调饱和度值用于从颜色信息中分离图像亮度。这使得我们在处理或需要图像/帧的亮度时更容易。HSV也用于颜色描述起着不可或缺的作用的情况

干杯