如何复用OpenCV的NumPy颜色过滤规则处理PIL颜色列表？

完全可行，你可以通过以下步骤将PIL获取的RGB颜色列表适配到OpenCV的numpy数组过滤逻辑中：

核心思路 #

1. 把PIL输出的RGB颜色转换为OpenCV兼容的BGR格式，再转为HSV空间（和你现有过滤流程一致）
2. 基于转换后的HSV值，复用cv2.inRange()生成掩码——无论是精确匹配单个颜色，还是给颜色设置容差范围都适用

具体实现代码 #

1. 处理PIL颜色列表，转换为HSV格式 #

import cv2
import numpy as np
from PIL import Image

# 读取图像并获取颜色列表
w, h = 800, 600  # 替换为你的图像实际尺寸
im = Image.open('test_64col.png')
color_list = im.getcolors(w * h)  # 格式：[(像素计数, (R,G,B)), ...]

# 提取所有RGB颜色值
rgb_colors = [rgb for count, rgb in color_list]

# 转换RGB到OpenCV的BGR，再转为HSV
rgb_np = np.array(rgb_colors, dtype=np.uint8)
bgr_np = rgb_np[:, ::-1]  # 反转通道顺序：RGB → BGR
hsv_colors = cv2.cvtColor(bgr_np.reshape(-1, 1, 3), cv2.COLOR_BGR2HSV).reshape(-1, 3)

2. 复用OpenCV过滤规则生成掩码 #

方式1：精确匹配指定颜色

如果你需要为每个颜色生成独立掩码，或者合并所有颜色的掩码：

# 假设你的OpenCV输入图像为img（BGR格式）
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 生成单个颜色的掩码列表
masks = []
for hsv in hsv_colors:
    # 精确匹配时，上下限设为同一个HSV值
    lower = upper = hsv
    mask = cv2.inRange(hsv_img, lower, upper)
    masks.append(mask)

# 合并所有颜色的掩码（可选）
combined_mask = np.zeros_like(masks[0], dtype=np.uint8)
for mask in masks:
    combined_mask = cv2.bitwise_or(combined_mask, mask)

# 应用掩码得到结果
filtered_img = cv2.bitwise_and(img, img, mask=combined_mask)

方式2：带容差的颜色匹配

如果需要允许颜色有轻微偏差（比如抗锯齿或色彩抖动的像素），可以给HSV通道设置容差：

# 设置HSV各通道的容差值（根据需求调整）
h_tol, s_tol, v_tol = 5, 20, 20

masks = []
for hsv in hsv_colors:
    lower = np.array([
        max(hsv[0] - h_tol, 0),
        max(hsv[1] - s_tol, 0),
        max(hsv[2] - v_tol, 0)
    ], dtype=np.uint8)
    upper = np.array([
        min(hsv[0] + h_tol, 179),  # OpenCV中H通道范围是0-179
        min(hsv[1] + s_tol, 255),
        min(hsv[2] + v_tol, 255)
    ], dtype=np.uint8)
    mask = cv2.inRange(hsv_img, lower, upper)
    masks.append(mask)

说明 #

这种方式完全复用了你原本的OpenCV numpy数组过滤逻辑，cv2.inRange()本身就是基于numpy数组的矢量化操作，处理大量颜色掩码时效率很高，不需要额外的循环遍历像素。

内容的提问来源于stack exchange，提问作者OK707