Python OpenCV检测图像预定义HSL颜色区间占比的实现方法

你当前用cv2.inRange+numpy切片抽样的思路是最优解，全走C层实现比Python层逐像素循环快100倍以上，只要补上数值范围对齐、跨0色相区间处理、通道顺序校准几个逻辑即可，不需要自己写遍历逻辑。 #

核心注意点 #

• 通道顺序校准：cv2.COLOR_BGR2HLS输出的三通道顺序是H(色相) -> L(亮度) -> S(饱和度)，不是常规HSL的H-S-L顺序，传阈值时不要把S和L的位置写反。
• 数值范围对齐：OpenCV对uint8类型的HLS图像取值规则如下，你之前写的[75,0,0]~[155,1,1]阈值范围是错的，S和L通道要做对应转换：
  • H通道：取值0_{179，对应实际色相0}360度（存储时值为实际角度/2）
  • L通道：取值0_{255，对应亮度0}1（存储时值为实际比例*255）
  • S通道：取值0_{255，对应饱和度0}1（存储时值为实际比例*255）
• 抽样逻辑直接用numpy切片实现：sampled_hls = hls[::step, ::step]，步长默认取5即可，不需要逐像素跳步遍历，切片操作无额外内存拷贝，速度极快。总抽样像素数直接通过sampled_hls.shape[0] * sampled_hls.shape[1]计算，适配任意尺寸图像。
• 跨0色相区间处理：当hS>hE时（即色相区间跨越0度红色域），不需要写复杂的边界判断，把区间拆成hS~179和0~hE两段分别做inRange，再将两个掩码按位或即可得到完整命中掩码。
• 多区间统计互不干扰：因为允许区间重叠，每个颜色区间单独生成掩码统计计数即可，最终占比为区间命中数/总抽样像素数*100，总和超过100%为正常情况。

可直接复用的实现代码 #

import cv2
import numpy as np

# 配置参数
SAMPLE_STEP = 5  # 像素抽样步长
# 替换为你自己的colorRange实例列表即可
color_range_list = [
    {"name": "常规绿色", "hS":70, "hE":150, "sS":0.2, "sE":1.0, "lS":0.1, "lE":0.9},
    {"name": "跨0度红色", "hS":340, "hE":20, "sS":0.3, "sE":1.0, "lS":0.2, "lE":0.8}
]

# ---------------------- 图像加载 ----------------------
# 本地文件读取放开这行即可
# img_bgr = cv2.imread("test.jpg")
# 摄像头Bayer格式缓冲区加载沿用你原有逻辑
img_raw = np.ndarray(buffer=component.data.copy(), dtype=np.uint8,
                     shape=(component.height, component.width, 1))
img_bgr = cv2.cvtColor(img_raw, cv2.COLOR_BayerBG2BGR)

# ---------------------- 预处理与抽样 ----------------------
img_hls = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HLS)
sampled_hls = img_hls[::SAMPLE_STEP, ::SAMPLE_STEP]
total_sample_px = sampled_hls.shape[0] * sampled_hls.shape[1]

stat_result = {}
# ---------------------- 逐个区间统计 ----------------------
for cr in color_range_list:
    h_start, h_end = cr["hS"], cr["hE"]
    # 阈值转换：H从0-360度转0-179，L/S从0-1转0-255
    lower_1 = np.array([
        h_start // 2,
        int(cr["lS"] * 255),
        int(cr["sS"] * 255)
    ], dtype=np.uint8)
    upper_1 = np.array([
        h_end // 2 if h_start < h_end else 179,
        int(cr["lE"] * 255),
        int(cr["sE"] * 255)
    ], dtype=np.uint8)
    mask_1 = cv2.inRange(sampled_hls, lower_1, upper_1)

    if h_start > h_end:
        # 处理跨0度的色相区间，拼接第二段掩码
        lower_2 = np.array([0, int(cr["lS"]*255), int(cr["sS"]*255)], dtype=np.uint8)
        upper_2 = np.array([h_end//2, int(cr["lE"]*255), int(cr["sE"]*255)], dtype=np.uint8)
        mask_2 = cv2.inRange(sampled_hls, lower_2, upper_2)
        final_mask = cv2.bitwise_or(mask_1, mask_2)
    else:
        final_mask = mask_1
    
    hit_count = cv2.countNonZero(final_mask)
    hit_ratio = round(hit_count / total_sample_px * 100, 2)
    stat_result[cr["name"]] = {"count": hit_count, "ratio": hit_ratio}

# 输出结果
print(f"总抽样分析像素数：{total_sample_px}")
for color_name, res in stat_result.items():
    print(f"{color_name}: 命中{res['count']}像素，占比{res['ratio']}%")

适配说明 #

如果你定义colorRange时H值已经是OpenCV要求的0_{179范围、S/L值已经是0}255范围，直接去掉代码里对应的//2和*255转换逻辑即可。

这套实现全程无Python层像素遍历，哪怕步长设为1做全像素统计，处理1080P图像也能达到毫秒级速度，完全适配摄像头实时流处理场景。

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