OpenCV中BGR转HSV绘制通道直方图的正确性验证

通道对应关系确认 #

通过cv2.cvtColor(输入图像, cv2.COLOR_BGR2HSV)转换得到的三通道矩阵，按0、1、2索引拆分得到的数组，确实分别对应H（色相）、S（饱和度）、V（明度）通道，不存在“本质仍是BGR通道、仅错标为H/S/V”的问题。
需要注意OpenCV对8位图像（最常用的uint8格式，单通道取值范围0-255）的HSV值做了适配压缩：标准HSV模型中H通道取值范围是0-360°，S、V通道取值范围是0-1（或0-100%），为了适配uint8的存储范围，OpenCV将8位HSV的H通道映射到0-179区间（将360°折半存储，避免超出255的上限），S、V通道映射到0-255区间。你当前绘制的H通道直方图180-255区间没有像素，就是这个适配规则导致的，属于正常现象。

直方图绘制逻辑通用的原因 #

直方图的核心逻辑是统计数组中每个取值对应的元素个数，这个逻辑和数组存储的数值语义没有关系：

• cv2.calcHist本身不识别色彩空间，只会遍历输入的单通道数组，统计每个整数数值出现的次数
• 不管通道里存的是BGR空间的原色亮度值，还是HSV空间的色相、饱和度、明度值，只要是存储为整数格式的像素数组，统计逻辑就完全通用，不需要因为色彩空间变化修改核心统计代码。

你当前的H通道统计代码可以做一点小优化：因为8位HSV的H通道取值上限是179，把统计范围从[256],[0,256]改成[180],[0,180]即可去掉直方图右侧的空白区域，S、V通道取值范围和BGR通道完全一致，不需要调整参数。
参考实现代码：

import cv2
import matplotlib.pyplot as plt

# 读入BGR格式图像
img = cv2.imread("test.jpg")
# 转换到HSV色彩空间
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h, s, v = img_hsv[:,:,0], img_hsv[:,:,1], img_hsv[:,:,2]

# 绘制H通道直方图
hist_h = cv2.calcHist([h], [0], None, [180], [0, 180])
plt.plot(hist_h, color='r')
plt.xlabel("Value (Hue)")
plt.ylabel("Number of pixels")
plt.title('Image Histogram For Hue Channel')
plt.show()

# 绘制S、V通道直方图，参数和BGR通道完全一致
hist_s = cv2.calcHist([s], [0], None, [256], [0, 256])
hist_v = cv2.calcHist([v], [0], None, [256], [0, 256])

色彩空间属性差异和统计逻辑无关的原因 #

BGR和HSV确实是完全不同的色彩空间：BGR是面向硬件显示的加色模型，三个通道分别对应蓝、绿、红三原色的发光强度；HSV是面向人类视觉感知的模型，三个通道分别对应色彩的色相、色彩鲜艳程度、明暗程度，两个空间的转换需要经过非线性计算，不存在通道名错标的问题。
你觉得“色彩空间差异大应该修改绘图逻辑”，本质是混淆了数值的语义含义和数值的存储格式：就像统计人群的身高分布和年龄分布时，统计方法都是“计数每个身高/年龄对应的人数”，不会因为身高和年龄是完全不同的属性，就更换统计方法——直方图只关心数值本身的分布，不关心数值代表的是原色亮度还是色相饱和度，所以逻辑通用是完全合理的。

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