Python opencv、BGR2HSV创建了大量工件

这张图片只是一个例子。右上角是原始图像，左上角是色调，左下角是饱和度，右下角是值。可以很容易地看到，H和S都充满了伪影。我想降低亮度，这样结果会拾取很多这种伪影

我做错了什么

我的代码很简单：

vc = cv2.VideoCapture( 0 )
# while true and checking ret
ret, frame = vc.read()
frame_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
cv2.imshow("h", frame_hsv[:,:,0])
cv2.imshow("s", frame_hsv[:,:,1])
cv2.imshow("v", frame_hsv[:,:,2])

---

您使用的是有损压缩图像，因此是矩形瑕疵。对于视频，您的曝光时间较短，可能存在带宽限制等，因此整体图像质量会下降。你可以：

• 通过使用

  Capture

  而不是

  VideoCapture

  来使用一系列静态快照，或者
• 提取5-10个视频帧，并对其进行平均

---

我觉得你的问题中有误解。虽然博伊科·佩拉诺夫的回答肯定是正确的，但您提供的图像没有问题。其背后的逻辑如下：您的相机在RGB颜色空间中拍照，根据定义，RGB颜色空间是一个立方体。将其转换为HSV颜色空间时，所有像素都映射到以下圆锥体：
色调（HSV的第一个通道）是圆锥体上的角度，饱和度（HSV的第二个通道，在图像中称为色度）是到圆锥体中心的距离，值（HSV的第三个通道）是圆锥体上的高度
色调通道通常定义在0-360之间，从0处的红色开始（对于8位图像，OpenCV使用0-180范围来拟合中所述的无符号字符）。但问题是，值为0和359的两个像素在颜色上非常接近。仅取外表面（饱和度最大时）展平HSV锥体时，更容易看到：
即使这些值在感知上很接近（0处为完全红色，359处为红色，略带紫色），这两个值也相差很远。这就是您在色调通道中描述的“瑕疵”的原因。当OpenCV以灰度显示给您时，它将黑色映射为0，白色映射为359。事实上，它们的颜色非常相似，但当以灰度贴图时，它们显示的距离太远。有两种方法可以绕过这一反直觉的事实：您可以使用固定的饱和度和值将H通道重新投射到RGB空间，这将更接近我们的感知。你也可以使用另一个基于感知的颜色空间（比如颜色空间），它不会给你带来这些数学上的副作用
博伊科·佩拉诺夫（Boyko Peranov）解释了这些人工制品斑块呈方形的原因。JPEG压缩的工作原理是将像素替换为更大的正方形，该正方形近似于它所替换的面片。如果在创建jpg时将压缩质量降低，则可以看到这些方块甚至出现在RGB图像中。质量越低，正方形越大，越明显。这些方块的平均值是一个单一值，对于红色色调，该值可能最终介于0和5（显示为黑色）或355和359（显示为白色）之间。这就解释了为什么“人工制品”是方形的
我们可能还会问自己，为什么在色调通道中会出现更多的JPEG压缩伪影。这是因为，基于感知的研究表明，与强度的快速变化相比，我们的眼睛更不容易看到颜色的快速变化。所以，当压缩时，JPEG故意丢失色度信息，因为我们无论如何都不会注意到它
饱和度（左下角的图像）白色变化点的情况与此类似。您描述的像素接近黑色（在圆锥体的顶端）。因此，饱和度值可能变化很大，但不会对像素的颜色产生太大影响：它始终接近黑色。这也是HSV颜色空间不完全基于感知的副作用

---

RGB（或OpenCV的BGR）和HSV之间的转换（理论上）是无损的。您可以说服自己：将HSV图像重新转换为RGB图像，您得到的图像与开始时完全相同，没有添加任何瑕疵。
您能否包含完整的可复制示例，包括您在图像中读取并写出新图像的代码？（包括原始图像也会有帮助）我用代码修改了它。我是从网络摄像机上读的，如果能从图像上读出来，那会很有帮助，这样其他人就可以重现这个问题。但更重要的是，我们真的不清楚人工制品是什么意思，特别是在s图像中。你是说原始图像中的白色阴影区域吗？你是什么意思？

result挑选了很多这样的工件

：你是想保留工件还是去除它们？我在OpenCV中找不到Capture类。是从另一个图书馆来的吗？hai Boyko Perfanov，我在另一个场景中遇到了同样的问题。有没有什么方法可以去除有损压缩产生的这些矩形伪影。