在CSDN本人博文《OpenCV-Python图像处理：用inRange刷选图像中指定颜色对象案例》（请点击文章底部最下方的“阅读原文”跳转CSDN阅读原文）中介绍了根据颜色刷选图像内容相关的概念及实现，介绍了通过使用inRange在HSV颜色空间中识别制定颜色的图像内容，文中概要介绍了HSV颜色空间中进行制定颜色对象识别的要点，使用的inRange函数的语法和功能，并提供了一个可以读取指定图像文件，用鼠标选择对应图像像素后显示该图像中与该像素颜色相同的内容。
文章中提到如果选择文中图像下部的文字时，结果图像效果不好。
这个问题的根源是因为在HSV空间中非彩色（包括黑、白、灰）的饱和度和明度值与一般的彩色对应的饱和度和明度值不同导致的，如果要达到好的效果，最好先转换成灰度图，再根据灰度图的饱和度和明度来处理。
背景知识：
关于HSV颜色空间的资料到处都有，可以参考《HSV颜色识别-HSV基本颜色分量范围》和《Python图像处理：OpenCV HSV和标准表示法的区别以及转换》。老猿不重复介绍，只简单概述四点：
HSV颜色空间对颜色的表述非常符合人眼识别颜色的情况，表达起来更加直观，其中H表示色彩、S表示饱和度、V表示明度，分别代表了人眼对颜色的感知：“这是什么颜色？深浅如何？明暗如何？”，正因为如此，对感知颜色的物体识别时，HSV颜色空间比RGB空间具有独特优势；
OpenCV的HSV表示法和标准的表示法不同，具体的请参考上面第二篇博文的介绍；
在OpenCV的HSV颜色表示法内，从《Python图像处理：OpenCV HSV和标准表示法的区别以及转换》提供的表格来看，经过实验测试的彩色（非黑、白、灰）的饱和度最小值最好是43开始、最大值255，明度最小值最好是46开始，最大255，而某个颜色范围的H最大和最小值差距基本上在10-30之间，大部分在10-14之间，这个范围我们可以用于颜色识别的处理；
从OpenCV的BGR空间转换到HSV空间，可以使用cvtColor带转换类型为COLOR_BGR2HSV。
本文转转自微信公众号老猿Python原创https://mp.weixin.qq.com/s/oqAGwllFH9leJkyUhnDQQw，如有侵权，请联系删除。
