注意：运行本次课程的程序时一定要有桌面用于显示图片，建议大家使用VNC登录进入系统，这样图片就可以显示出来。

RGB 颜色空间是大家最熟悉的颜色空间，即三基色空间，任何一种颜色都可以由该三种 颜色混合而成。然而一般对颜色空间的图像进行有效处理都是在 HSV 空间进行的，HSV(色 调 Hue,饱和度 Saturation,亮度 Value)是根据颜色的直观特性创建的一种颜色空间, 也称六角 锥体模型。

参考:https://blog.csdn.net/taily_duan/article/details/51506776

为什么会选择 HSV 空间而不是 RGB 空间? 对于图像而言，识别相应的颜色在 RGB 空间、HSV 空间或者其它颜色空间都是可行的。之所以选择 HSV，是因为 H 代表的色调基本上可以 确定某种颜色，再结合饱和度和亮度信息判断大于某一个阈值。而 RGB 由三个分量构成， 需要判断每种分量的贡献比例。即 HSV 空间的识别的范围更广，更方便。

图 1-1 HSV颜色空间模型

1.2 三种颜色空间的转换（gray BGR HSV)

在OpenCV中有超过150种的颜色空间转换的方法，但是我们经常会用到的也就只有两种，即 BGR->Gray 和 BGR->HSV。注意 Gray 和 HSV 不可以互相转换。 颜色空间转换:cv2.cvtColor(input_image, flag)

BGR->Gray: flag 就是cv2.COLOR_BGR2GRAY

BGR->HSV: flag 就是 cv2.COLOR_BGR2HSV

OpenCV 色 HSV 颜色空间的取值范围:

H [0, 179] S [0, 255] V [0, 255]

程序的源码位于/home/pi/yahboom/colorBlock/colorBlock.py

程序运行效果如下:

然后我们按一下键盘上的“S”键或者“ECS”退出该进程。

在这个程序中，我们第一次接触了掩膜，有些小伙伴可能对掩膜不太了解，掩膜的概念描述不太好理解，它可以被理解为位图，可以进行腐蚀膨胀等形态学的操作。我们只需要知道，在提取感兴趣区域、屏蔽图片某些区域、结构特征提取和特殊图像制作中都可能用到掩膜，即可。

progress：可自行尝试实现多种颜色的识别。