今天就跟大家聊聊有关如何理解OpenCV基础HSV颜色空间*args与**kwargs滑动条传参问题，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
HSV：HSV是一种为了加快调色效率，且易于理解的概念。
Hue：色相（具体的颜色）
Saturation：饱和度、色彩纯净度
Value：明度
Hue：色相（具体的颜色）
明度：色彩的明亮程度，单通道亮度（并不等同于整体发光量）。
（明度越高越白，越低越黑，一般提高明度会同时提高R、G、B三通道的数值）
Saturation：饱和度、色彩纯度。（越低越灰，越高越纯）
（一般调高饱和度会降低RGB中相对较低的数值，凸显主要颜色的纯度。 ）
B站视频讲解：
短动画慢语速1分钟讲清影视调色中色彩形成原理基础——RGB与HSV
*args：传入参数未知，且不需要知道参数名称。
**args：传入参数未知，但需要知道参数名称。
API
计算
安全
数据库
网络和加速
企业服务
CV_EXPORTS int createTrackbar(const string& trackbarname, const string& winname,
int* value, int count,
TrackbarCallback onChange = 0,
void* userdata = 0);形式参数一trackbarname：滑动空间的名称；
形式参数二winname：滑动空间用于依附的图像窗口的名称；
形式参数三value：初始化阈值；
形式参数四count：滑动控件的刻度范围；
形式参数五TrackbarCallback：是回调函数，其定义如下
typedef void (CV_CDECL *TrackbarCallback)(int pos, void* userdata);# 3、创建h、s、v滚动条
cv2.createTrackbar('hmin', 'h', 12, 179, Renew)
cv2.createTrackbar('hmax', 'h', 37, 179, Renew)
cv2.createTrackbar('smin', 's', 12, 179, Renew)
cv2.createTrackbar('smax', 's', 37, 179, Renew)
cv2.createTrackbar('vmin', 'v', 12, 179, Renew)
cv2.createTrackbar('vmax', 'v', 37, 179, Renew)
API
inRange()
主要是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0），该功能类似于之间所讲的双阈值化操作。
void inRange(InputArray src, InputArray lowerb,
InputArray upperb, OutputArray dst);参数1：输入要处理的图像，可以为单通道或多通道。
参数2：包含下边界的数组或标量。
参数3：包含上边界数组或标量。
参数4：输出图像，与输入图像src 尺寸相同且为CV_8U 类型。
（注：dst输出二值化之后的图像）
# 1、获取滑动条反馈值
hmin = cv2.getTrackbarPos('hmin', 'h')
hmax = cv2.getTrackbarPos('hmax', 'h')
smin = cv2.getTrackbarPos('smin', 's')
smax = cv2.getTrackbarPos('smax', 's')
vmin = cv2.getTrackbarPos('vmin', 'v')
vmax = cv2.getTrackbarPos('vmax', 'v')
# 2、设置阈值（inRange：在阈值(min,max)之内，设置为白色；在阈值之外，设置为黑色）
h_thresh = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))
s_thresh = cv2.inRange(np.array(s), np.array(smin), np.array(smax))
v_thresh = cv2.inRange(np.array(v), np.array(vmin), np.array(vmax))
API
bitwise_and()
图像的与运算主要用于获取某个图像中感兴趣的部分，是针对两个图像矩阵数组或一个数组与标量的按位与。
# 3、获取感兴趣二值（与运算）
interest = cv2.bitwise_and(h_thresh, cv2.bitwise_and(s_thresh, v_thresh))
总代码
# HSV颜色空间与滑动条（*args && **args）
import cv2
import numpy as np
# 回调函数
# *args：传入参数未知，且不需要知道参数名称
# **args：传入参数未知，但需要知道参数名称
def HSV_CallBack(*args):
# 1、获取滑动条反馈值
hmin = cv2.getTrackbarPos('hmin', 'h_binary')
hmax = cv2.getTrackbarPos('hmax', 'h_binary')
smin = cv2.getTrackbarPos('smin', 's_binary')
smax = cv2.getTrackbarPos('smax', 's_binary')
vmin = cv2.getTrackbarPos('vmin', 'v_binary')
vmax = cv2.getTrackbarPos('vmax', 'v_binary')
# 2、设置阈值（inRange：在阈值(min,max)之内，设置为白色；在阈值之外，设置为黑色）
h_binary = cv2.inRange(np.array(h), np.array(hmin), np.array(hmax))
s_binary = cv2.inRange(np.array(s), np.array(smin), np.array(smax))
v_binary = cv2.inRange(np.array(v), np.array(vmin), np.array(vmax))
# 3、获取感兴趣二值（与运算）
binary = cv2.bitwise_and(h_binary, cv2.bitwise_and(s_binary, v_binary))
# 4、显示
cv2.imshow('h_binary', h_binary)
cv2.imshow('s_binary', s_binary)
cv2.imshow('v_binary', v_binary)
cv2.imshow('binary', binary)
def Show_HSV():
global hsv, h, s, v
# 0、创建窗口
cv2.namedWindow('h_binary')
cv2.namedWindow('s_binary')
cv2.namedWindow('v_binary')
# 1、获取hsv图片
hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
cv2.imshow('hsv', hsv)
# 2、获取h、s、v三通道图片
h, s, v = cv2.split(hsv)
# 3、创建h、s、v滚动条
cv2.createTrackbar('hmin', 'h_binary', 12, 179, HSV_CallBack)
cv2.createTrackbar('hmax', 'h_binary', 37, 179, HSV_CallBack)
cv2.createTrackbar('smin', 's_binary', 12, 179, HSV_CallBack)
cv2.createTrackbar('smax', 's_binary', 37, 179, HSV_CallBack)
cv2.createTrackbar('vmin', 'v_binary', 12, 179, HSV_CallBack)
cv2.createTrackbar('vmax', 'v_binary', 37, 179, HSV_CallBack)
HSV_CallBack()
if __name__ == '__main__':
global img
img = cv2.imread('Resource/test.jpg')
cv2.imshow('img', img)
# 显示h、s、v
Show_HSV()
cv2.waitKey(0)看完上述内容，你们对如何理解OpenCV基础HSV颜色空间*args与**kwargs滑动条传参问题有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
