一、Python-opencv中的色彩空间

在这里主要介绍RGB和HSV色彩空间，这二者具体是什么这里不再详细介绍，其他回答都很详细。
这里要介绍一下二者的取值和关系：
在Python-opencv中，RGB图像三个通道的取值都是0~255，*而HSV中H取值为0-180，S和V取值都是0-255，这是因为计算机用8位显示图像，取值范围为0-255，而HSV色彩空间H取值范围为0-360，S和V取值都是0-1，为了能够在计算机上显示必须映射到0-255，这里H就直接除以2得到的取值范围就是0-180了。具体的RGB到HSV的变换公式这里也不再详细介绍。
这里再附加一个HSV在原始HSV空间各个颜色的取值和在Opencv中HSV各个颜色的取值
在这里插入图片描述映射前
映射后

二、为什么同样的图片用公式换了色彩空间显示出来的完全不一样？

你是否有过这个问题？按理说我只是变换了色彩空间，图片还是那个图片，在不同的色彩空间展示的同一张图片应该看到的是一样的才对啊。原因是由于我们虽然得到了HSV的图片，也有H,S,V三个通道，但是我们的电脑显示的时候还是按照RGB的三个通道来显示的，所以我们看到的图片就不是原来的图片了。

三、cv2.inRange()函数

这个函数常常用来在HSV空间中挑选出想要的色彩部分，有三个参数.inRange(img,min,max)
具体怎么用这里就不在详细介绍了，本文只介绍这个函数的常用流程，通常分为四步：

min = np.array([Hl,Sl,Vl]) #设置范围下限
max = np.array([Hh,Sh,Vh])#设置范围上限
mask = cv.inRange(img,min,max)#制作mask
res = cv.bitwise_and(img,img,mask)#用带掩膜的与操作进行计算得到我们想要的结果

四、 BGRA图像

.png文件有alpha参数用来透明化，但是只能保存了后打开才能看出差异，举例：

lena = cv.imread('lena.jpg',-1)
b,g,r,a, = cv.split(cv.cvtColor(lena,cv.COLOR_BGR2BGRA))#先转为RGBA然后分解，好修改alpha的值
a[:,:] = 255
lena255 = cv.merge([b,g,r,a])
a[:,:] = 125
lena125 = cv.merge([b,g,r,a])
cv.imwrite('lena255.png',lena255)
cv.imwrite('lena125.png',lena125)