如何借助OpenCV与Python将HSV的V值归一化至0-1区间？

核心逻辑 #

OpenCV读取的8位图像中，HSV色彩空间的V通道（亮度通道）取值范围为0-255，要将其归一到0-1区间仅需做线性缩放；若处理高位深图像，则需先获取对应位深的最大值再执行归一化操作。

分步实现代码 #

• 1. 读取图像并转换为HSV空间
  OpenCV默认以BGR格式读取图像，需先转换为HSV：

  import cv2
  import numpy as np
  
  # 读取目标图片
  img = cv2.imread("your_image_path.jpg")
  # 转换为HSV色彩空间
  hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
  

• 2. 提取V亮度通道
  通过索引分离HSV的三个通道，V通道对应索引2：

  # 提取单独的V亮度通道
  v_channel = hsv_img[:, :, 2]
  

• 3. 归一化V值到0-1区间
  方法一：直接线性缩放（仅适用于8位图像，最大值固定为255）

  # 转换为float类型并归一到0-1区间
  normalized_v = v_channel / 255.0
  

  方法二：使用cv2.normalize（通用适配不同位深图像）

  # 指定归一范围0-1，输出为float32类型
  normalized_v = cv2.normalize(v_channel, None, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F)
  

亮度分类与比较示例 #

基于归一化后的V值，可实现图片亮度分类或区域亮度对比：

# 计算整图平均亮度
avg_brightness = np.mean(normalized_v)

# 按亮度阈值进行分类
if avg_brightness > 0.7:
    print("亮图")
elif avg_brightness < 0.3:
    print("暗图")
else:
    print("中等亮度图")

内容的提问来源于stack exchange，提问作者non_fgc_luxury