上篇文章中，我们提到了萌颜sdk中，图像颜色空间、RGB和HSV色彩空间的基础知识，今天小编将继续介绍萌颜sdk中RGB和HSV转换的数学描述和函数实现，以及图像的色彩检测的具体步骤。

一、RGB和HSV转换的数学描述和函数实现

设（r，g，b）分别是一个颜色的红、绿、蓝坐标，它们的取值为0~1之间的实数。设max等价于r、g、b中的最大值，设min等于这些值中的最小值。要找到在HSV空间中的（h，s，v）值，这里的h属于[0,360]，是角度的色相角，而s，v属于[0，1]，是饱和度和亮度。利用这些数据将构建出一个RGB模型转换为HSV模型的函数。

此外，调用OpenCV中的cvtcolor（）函数可以直接将RGB模型转换为HSV模型，RGB在OpenCV中存储为BGR的顺序，其数据结构为一个3D的numpy.array，索引的顺序是行、列、通道。

二、图片中的色彩检测

那么到这里，图片色彩检测的原理就比较好懂了，总的来说，每一种颜色都有自己的范围，可以通过颜色范围来分离图片中不同颜色的物体。我们来构建一个例子。

假设要检测某张人脸中的嘴唇区域，那么就先把图像变换到HSV空间，红色的H范围是160~179，S和V的范围为50~255，进行颜色分割后，理想的图像效果是：单张图像的颜色分割会很清晰，嘴唇区域分割轮廓很明确，图片中的其他红色区域也会被检测和标注出来。

整个程序的实现过程中，应用到了inRange（）函数和bitwise_and（）函数。

其中，inRange（）函数：inRange（src，lowberb，upperb，dst=None）。功能是对于区间的颜色全部设置成255，其他设置为0，输出为一幅二值化的图像。Bitwise_and（）函数：bitwise_and（src1，src2，dst=None，mask=None）。它的主要功能是对输入的两幅图像的像素进行加权求和。对于检测出来的红色区域形成一个mask，红色区域的像素为0，非红色区域为纯白，然后和原来的图像叠加，可以将红色区域保留下来。

以上，就是萌颜sdk中，图像色彩检测的过程，如果您对萌颜sdk开发感兴趣，欢迎咨询官方客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。