如何在OpenCV中为HSV色彩空间定义合适的阈值边界？

你当前的代码逻辑是合理的：铁锈颜色偏红，而HSV色彩空间中红色的色相(H)值分布在0°附近的两端，你拆分两个区间做掩码合并的思路完全正确，当前使用的也是铁锈分割的通用经验阈值，常规光照场景下可以覆盖大部分基础需求。如果要适配你的具体场景获得更精准的分割效果，可以按以下方法调整阈值：

手动调整阈值的优先级 #

• 优先调整H(色相)通道：如果场景中存在橙砖、红漆等同色系干扰，可以收窄红色区间范围，比如把0-20调整为5-15、170-180调整为175-180，减少误识别。
• 其次调整S(饱和度)通道：如果场景光照偏强导致铁锈颜色偏淡，可适当调低S的下限；如果存在大量低饱和棕色灰尘干扰，可调高S的下限，常用调整区间为50-100。
• 最后调整V(明度)通道：如果拍摄场景偏暗，可调低V的下限；如果存在强光反光过曝的干扰，可调低V的上限，常用调整区间为50-200。

快速调试阈值工具 #

你可以用下方的滑动条调参代码，实时预览调整效果，快速得到适配你的场景的最优阈值：

import cv2
import numpy as np

def nothing(x):
    pass

# 替换为你的测试图片路径
img = cv2.imread("test_rust.jpg")
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 创建调参窗口
cv2.namedWindow("ThresholdTuner")

# 绑定各参数滑动条
cv2.createTrackbar("H_low1", "ThresholdTuner", 0, 180, nothing)
cv2.createTrackbar("H_high1", "ThresholdTuner", 20, 180, nothing)
cv2.createTrackbar("H_low2", "ThresholdTuner", 170, 180, nothing)
cv2.createTrackbar("H_high2", "ThresholdTuner", 180, 180, nothing)
cv2.createTrackbar("S_low", "ThresholdTuner", 70, 255, nothing)
cv2.createTrackbar("S_high", "ThresholdTuner", 200, 255, nothing)
cv2.createTrackbar("V_low", "ThresholdTuner", 70, 255, nothing)
cv2.createTrackbar("V_high", "ThresholdTuner", 150, 255, nothing)

while True:
    # 读取当前滑动条数值
    h1_l = cv2.getTrackbarPos("H_low1", "ThresholdTuner")
    h1_h = cv2.getTrackbarPos("H_high1", "ThresholdTuner")
    h2_l = cv2.getTrackbarPos("H_low2", "ThresholdTuner")
    h2_h = cv2.getTrackbarPos("H_high2", "ThresholdTuner")
    s_l = cv2.getTrackbarPos("S_low", "ThresholdTuner")
    s_h = cv2.getTrackbarPos("S_high", "ThresholdTuner")
    v_l = cv2.getTrackbarPos("V_low", "ThresholdTuner")
    v_h = cv2.getTrackbarPos("V_high", "ThresholdTuner")

    # 生成掩码
    lower1 = np.array([h1_l, s_l, v_l])
    upper1 = np.array([h1_h, s_h, v_h])
    mask1 = cv2.inRange(hsv_img, lower1, upper1)

    lower2 = np.array([h2_l, s_l, v_l])
    upper2 = np.array([h2_h, s_h, v_h])
    mask2 = cv2.inRange(hsv_img, lower2, upper2)

    mask = mask1 + mask2
    output = cv2.bitwise_and(img, img, mask=mask)

    # 预览效果，按q退出调参
    cv2.imshow("SegmentResult", output)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        print(f"最优阈值：\n区间1：{lower1} ~ {upper1}\n区间2：{lower2} ~ {upper2}")
        break

cv2.destroyAllWindows()

运行代码后拖动滑动条，直到预览窗口只保留你需要的铁锈区域，按q退出后控制台会输出最终阈值，替换你原有代码中的上下限即可。

批量场景优化建议 #

如果需要处理一批光照、拍摄角度差异大的图片，可以在生成掩码后增加形态学处理，优化分割效果：

kernel = np.ones((3,3), np.uint8)
# 开运算去除小噪点
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1)
# 闭运算填补铁锈区域的小空洞
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=1)

内容的提问来源于stack exchange，提问作者Eden