有时，我们需要转换图像的颜色空间。例如，当图像执行阈值处理和边缘检测时，三个通道的图像很难执行梯度检测，因此我们执行颜色域转换：BGR：BGR：BGR <-> 灰色，BGR <-> HSV
此外，我们将尝试在视频中提取非有产子对象。
下面我们将学习两个功能：cv.cvtcolor（）转换颜色空间，cv.inrange（），等。
OPENCV包含150多种颜色域转换方法，但我们只需要注意两个：BGR <-> 灰色，BGR <-> HSV，颜色域转换功能如下：
在了解将BGR映像转换为HSV图像的方法之后，我们可以使用它来提取非颜色的对象。与BGR Image Love相比，在HSV图像中，我们更容易表示颜色。，我们将使用以下步骤提取非有产子对象：
我们可以在网站上查找相关答案：https：//www.stackoverflow.com/.in。此外，我们还可以使用cv.cvtcolor（）函数将bgr转换为hsv.you不需要传递图像，您只需要传递相应的BGR值。
一行三个通道，定义多行和许多行，您可以直接使用np.zeros
现在，您将[H-10，1100,100]和[H + 10,255,255]分别为下限和上限。此外，您可以使用任何图像编辑工具，例如GIMP或任何在线转换器来查找这些值，但不要忘记调整HSV的范围（主要是第一个角度的范围，将两者划分）。
尝试提取多种颜色，例如蓝色和绿色提取
本节主要包括不同的几何变换图像，例如翻译，旋转，模仿变换等。主要功能是：cv.getPerspectivetransform（）
OPENCV具有两个构建的转换功能：CV.WARPAFFINE和CV。WARPESTIVE，可以帮助我们进行各种转换。前者的转换矩阵为23，而后者的转换矩阵大小为3 3 3 3
一般而言，CV.Inter_linear方法适用于所有重塑图像。
翻译是图像位置的过渡。如果您清楚地向（x，y）的方向移动，然后让他转换为$（t_x，t_y）$，那么您可以构造一个变换矩阵M，$ m = begin {{bmatrix} 1＆0＆0＆0t_x 0＆1＆t_y end {bumatrix} $。
我们可以使用numpy的数组类型（将其保存为np.float32）存储存储此矩阵，这对于后续矩阵操作或传输到cv.warpaffine（）函数非常方便
旋转角度的图像旋转为$ heta $是通过转换矩阵实现的：$ m = left [begin {array} {cc} cos heta＆-sin heta heta heta heta sin heta＆cos heta en eend {array} ight] $，此方法未指定旋转中心。
但是，OPENCV在可调旋转中心提供了变焦旋转，以便它可以在任何位置旋转。修改的更改矩阵为：$ fews [begin {array} {ccc} alpha＆beta＆beta＆beta＆（1-alpha）cdot ext {中心} x-beta cdot ext {中心。＆alpha＆beta cdot ext。 ight] $，
其中，Center.X，Center.Y代表旋转中心的坐标，$ begin {Aligned} alpha＆= ext {scale} cdot cos heta beta＆= ext {scal} cdot sin heta en en en eend {aligned} $，$，秤是变原
以上只是数学推理的过程。OPENCV提供CV.GETROTATIONMATRIX2D函数，以帮助我们找到上述转换矩阵。
在模仿转换中，原始图像中的所有平行线仍然在输出图像中平行。要找到转换矩阵，我们需要从输入图像中找到3个点，并在输出图像中找到它们的相应位置。CV.GetAfinEtransform将创建一个2x3矩阵，该矩阵将传递给CV.WARPAFFINE进行模仿转换。
对于透视转换，您需要一个3×3转换矩阵。即使在转换后，直线也将保持直线。要找到此转换矩阵，您需要对应于对应于输入图像和输出图像的四个点。点，3点不应是通用线。然后，您可以通过函数cv.getperspectransform找到转换矩阵。
原始：https：//juejin.cn/post/709751522590530062