颜色空间与目标分割：从像素到区域的实战之路

各位同学，今天我们来聊聊目标跟踪里最基础、也最核心的一步——颜色空间与目标分割。

说实话，我刚开始做视觉算法时，觉得颜色空间就是个数学变换，没什么大不了的。直到有一次在工厂做零件分拣项目，光线一变，整个分割就崩了。嗯，从那以后，我再也不敢小看颜色空间的选择了。

1. RGB、HSV、HSL：三个颜色空间的恩怨情仇

先说说最常见的RGB。红绿蓝三通道，显示器、摄像头都用它。但RGB有个致命问题——它对光照变化太敏感了。

举个例子：一个红色苹果，在强光下RGB值可能是(200, 50, 30)，在阴影里就变成了(100, 25, 15)。你看，三个通道一起变，你很难用一个固定阈值去分割。

这时候，HSV就派上用场了。

HSV把颜色拆成色调(Hue)、饱和度(Saturation)、明度(Value)。色调是颜色的本质，饱和度是鲜艳程度，明度是亮度。你想想看，不管光照怎么变，一个红苹果的色调始终在0-10度左右。这就好办了。

我个人习惯在目标跟踪项目里优先用HSV。比如跟踪一个红色小球，我只需要设定H通道在[0, 10]和[160, 180]（红色在色环两端），S通道大于某个值，V通道大于某个值。光照变化？只要不是全黑，基本不影响。

至于HSL，它和HSV很像，区别在于L通道（亮度）的计算方式。HSL的亮度更符合人眼感知，但实际工程中我用得不多。为什么？因为OpenCV默认的转换函数是BGR2HSV，用HSL还得自己写转换，麻烦。

2. 颜色阈值分割：把像素变成区域

有了颜色空间，下一步就是分割。说白了，就是告诉程序：「把颜色在某个范围内的像素都标记出来」。

在OpenCV里，我们用cv2.inRange()函数。我贴一段我项目里常用的代码：

import cv2
import numpy as np

# 读取图像并转换到HSV
img = cv2.imread('red_ball.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义红色的HSV范围
lower_red1 = np.array([0, 50, 50])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([160, 50, 50])
upper_red2 = np.array([180, 255, 255])

# 分割
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = cv2.bitwise_or(mask1, mask2)

# 显示结果
cv2.imshow('Mask', mask)
cv2.waitKey(0)

这里有个坑，我曾经踩过：红色在HSV色环上是首尾相连的。所以你需要两个范围，一个从0到10，一个从160到180。我第一次做的时候只设了一个范围，结果红色小球只分割出来一半，另一半死活找不到。排查了半天才发现是这个问题。

3. 形态学操作：给分割结果「美容」

分割出来的mask往往有噪点、有空洞、边缘毛刺。这时候就需要形态学操作来「修图」了。

形态学操作的核心就四个字：腐蚀、膨胀。其他操作都是它们的组合。

3.1 腐蚀与膨胀

腐蚀：让白色区域「瘦一圈」。能去掉小的噪点，但也会让目标变小。

膨胀：让白色区域「胖一圈」。能填补小空洞，但也会让目标变大。

我一般这样用：先腐蚀去掉噪点，再膨胀恢复大小。或者反过来，先膨胀填补空洞，再腐蚀恢复轮廓。

kernel = np.ones((5,5), np.uint8)

# 腐蚀
eroded = cv2.erode(mask, kernel, iterations=1)

# 膨胀
dilated = cv2.dilate(mask, kernel, iterations=1)

kernel的大小和迭代次数是关键参数。kernel越大，效果越猛。我建议从3x3开始试，不够再加。

3.2 开运算与闭运算

开运算 = 先腐蚀后膨胀。用来去除小噪点，同时尽量保持目标大小不变。

闭运算 = 先膨胀后腐蚀。用来填补小空洞，同时尽量保持目标大小不变。

OpenCV提供了现成的函数：

# 开运算
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

# 闭运算
closing = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

4. 知识体系总览

下面这张图是我自己画的，把今天的内容串起来了：

5. 实战中的避坑指南

最后，分享几个我这些年踩过的坑：

• 别用RGB做阈值分割——除非你的光照完全可控。我在一个户外无人机跟踪项目里吃过这个亏，RGB阈值调了一整天，第二天阴天全废了。
• HSV的H通道范围是0-179——不是0-255。OpenCV里HSV的H范围是0-179，S和V是0-255。我第一次用的时候设了H=255，结果全黑，查了半天文档才发现。
• 形态学操作的kernel别太大——5x5通常够用，7x7算大的了。我曾经为了去噪用了15x15的kernel，结果目标形状完全变了，跟踪框直接飞了。
• 先调阈值，再调形态学——这个顺序别搞反。阈值调好了，形态学只是锦上添花；阈值没调好，形态学就是雪上加霜。