?HSV颜色模型：
色调H:
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,紫色为300°；
饱和度S:
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
明度V:
明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。
颜色跟踪：
目的是定位到一张图中的某种颜色并挑选。
导入图像并做初步处理：
img = cv.imread(r'XXXXX.jpg')
img = cv.resize(img,(0,0), fx=0.1, fy=0.1, interpolation=cv.INTER_NEAREST)
?例如我们想得到红色的部分，我们可以先定义一个BGR数值，此数值也可以直接从图像中获取，并将其转换为HSV
BGR = np.uint8([[[0, 0, 200]]])
hsv= []
hsv1 = cv.cvtColor(BGR, cv.COLOR_BGR2HSV)
for i in range(3):
hsv.append(hsv1[0][0][i])接下来需要用到：
cv.inRange(hsv_img, hsv_low, hsv_up)作用是在图像hsv_img中选取hsv值在hsv_low 与hsv_up之间的部分.
故我们需要得到hsv_low 与hsv_up：
hsv_up = hsv
hsv_low = hsv
hsv_up[0] = hsv_up[0] + 10
hsv_up[1] = 255
hsv_up[2] = 255
hsv_up = np.array(hsv_up)
print(hsv_up)
if hsv_low[0] != 0:
hsv_low[0] = hsv_low[0] - 10
hsv_low[1] = 50
hsv_low[2] = 50
hsv_low = np.array(hsv_low)
print(hsv_low)若刚刚的BGR【a,b,c】得到的HSV为【A,X,X】，则hsv_low 与hsv_up为【A-10,50,50】,【A+10,X,X】
然后得到mask，在得到对应的原图像res
hsv_img = cv.cvtColor(img, cv.COLOR_BGR2HSV)
mask = cv.inRange(hsv, hsv_low, hsv_up)
res = cv.bitwise_and(img, img, mask=mask)
cv.imshow('frame', img)
cv.imshow('mask', mask)
cv.imshow('res', res)
k = cv.waitKey(0)
cv.destroyAllWindows()mask：
res:
