图像重着色时修改十六进制颜色无效果，求代码问题排查

核心错误：重着色逻辑完全颠倒 #

你的recolor_image函数逻辑搞反了：当前代码是寻找图像中接近目标颜色的区域，再把这些区域替换成目标颜色，完全不符合“将原图像指定颜色替换为目标色”的需求。

原图像主体是蓝色区域，当你传入其他颜色（比如红色）时，代码会找图像中接近红色的像素（原图像里几乎没有），所以没有任何像素被替换，图像自然还是原本的蓝色。

其他次要问题 #

1. 颜色空间显示不匹配：OpenCV加载的图像是BGR格式，但matplotlib显示需要RGB格式，直接用plt.imshow会导致颜色失真。
2. 未识别原图像的目标替换区域：你没有先定义原图像中需要被替换的颜色范围，而是错误地用目标颜色去生成mask。

修复后的代码 #

import cv2
import numpy as np
import argparse
import matplotlib.pyplot as plt

# 命令行参数定义
parser = argparse.ArgumentParser(description='Recolor images based on hexcode or sample image')
parser.add_argument('image_paths', metavar='path', type=str, nargs='+', help='path(s) to image(s) to recolor')
parser.add_argument('--hexcode', type=str, help='hexcode of the desired color')
parser.add_argument('--sample', type=str, help='path to a sample image to match the color')

# 解析参数（测试用）
args = parser.parse_args(['/home/hamza-developer/Pictures/1.png','--hexcode', '#FF0000'])
image_paths = args.image_paths
hexcode = args.hexcode
sample_path = args.sample

# 十六进制转BGR（OpenCV格式）
def hex_to_bgr(hexcode):
    r = int(hexcode[1:3], 16)
    g = int(hexcode[3:5], 16)
    b = int(hexcode[5:7], 16)
    return (b, g, r)  # OpenCV用BGR格式

# 获取原图像中需要替换的颜色范围（以原图像蓝色为例）
def get_target_mask(img):
    # 转换到HSV空间，更容易进行颜色阈值分割
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    # 定义原图像蓝色的HSV范围（可根据实际图像调整数值）
    lower_blue = np.array([90, 50, 50])
    upper_blue = np.array([130, 255, 255])
    # 生成mask：原图像中蓝色区域为白色，其他为黑色
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
    return mask

# 重着色函数：将mask区域替换为目标颜色
def recolor_image(img, mask, target_color):
    # 复制原图像，避免修改原图
    recolored_img = img.copy()
    # 将mask中的白色区域替换为目标颜色
    recolored_img[mask > 0] = target_color
    return recolored_img

# 处理每个图像
for path in image_paths:
    img = cv2.imread(path)
    if img is None:
        print(f"无法加载图像：{path}")
        continue
    
    if hexcode:
        target_color = hex_to_bgr(hexcode)
        # 获取原图像中需要替换的颜色mask
        mask = get_target_mask(img)
    elif sample_path:
        sample_img = cv2.imread(sample_path)
        if sample_img is None:
            print(f"无法加载样本图像：{sample_path}")
            continue
        # 提取样本图像的颜色范围，生成替换mask
        hsv_sample = cv2.cvtColor(sample_img, cv2.COLOR_BGR2HSV)
        lower = np.array([hsv_sample[:,:,0].min(), hsv_sample[:,:,1].min(), hsv_sample[:,:,2].min()])
        upper = np.array([hsv_sample[:,:,0].max(), hsv_sample[:,:,1].max(), hsv_sample[:,:,2].max()])
        mask = cv2.inRange(cv2.cvtColor(img, cv2.COLOR_BGR2HSV), lower, upper)
        target_color = np.mean(sample_img, axis=(0,1)).astype(np.uint8)
    else:
        print('错误：未指定颜色')
        break
    
    recolored_img = recolor_image(img, mask, target_color)
    # 转换为RGB格式用于matplotlib显示
    recolored_rgb = cv2.cvtColor(recolored_img, cv2.COLOR_BGR2RGB)
    plt.imshow(recolored_rgb)
    plt.axis('off')
    plt.show()
    
    # 保存重着色后的图像
    recolored_path = path.replace('.png', '_recolored.png')
    cv2.imwrite(recolored_path, recolored_img)

关键修改说明 #

1. 重构重着色逻辑：
   • 新增get_target_mask函数，专门识别原图像中需要替换的颜色区域（这里针对原图像的蓝色定义了HSV范围，可根据实际图像调整阈值）
   • 修改recolor_image函数，接收mask和目标颜色，将mask覆盖的区域替换为目标色
2. 修复显示颜色问题：在matplotlib显示前，将BGR格式转换为RGB格式
3. 优化函数命名：将hex_to_rgb改为hex_to_bgr，更符合实际功能，避免混淆

内容的提问来源于stack exchange，提问作者Hamza