使用Python实现图像颜色区间转换：将红色转为绿色并保留细节

原有代码问题 #

1. 红色HSV阈值设置过窄，仅覆盖H值0~1的极窄区间，无法识别全部红色系区域
2. 直接对目标区域赋值固定RGB值，丢弃了原有像素的饱和度、明度信息，导致转换后丢失所有明暗和细节

核心优化思路 #

• 完整覆盖HSV空间中红色的两个区间（0_10、170180），准确识别所有红色系内容
• 仅修改红色区域的色相（H）数值，保留原有的饱和度（S）和明度（V），自然保留图像细节和明暗层次
• 掩膜增加羽化处理，避免颜色替换后出现生硬边缘

完整实现代码 #

import cv2
import numpy as np
import skimage.exposure

# 加载图像
img = cv2.imread("test5.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 拆分HSV三个通道单独处理
h, s, v = cv2.split(hsv)

# 定义红色在OpenCV HSV空间的两个阈值区间
lower_red1 = np.array([0, 50, 50])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 50, 50])
upper_red2 = np.array([180, 255, 255])

# 生成完整的红色区域掩膜
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = mask1 + mask2

# 掩膜优化：去除噪点+边缘羽化
kernel = np.ones((3,3), np.uint8)
mask = cv2.morphologyEx(mask, cv2.MORPH_ERODE, kernel)
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
mask = cv2.GaussianBlur(mask, (0,0), sigmaX=3, sigmaY=3, borderType = cv2.BORDER_DEFAULT)
mask = skimage.exposure.rescale_intensity(mask, in_range=(127.5,255), out_range=(0,255)).astype(np.uint8)

# 目标色相设置，可按需修改：绿色=60、蓝色=120、黄色=30、紫色=150
target_hue = 60
# 仅替换红色区域的色相，保留原饱和度和明度
h[mask > 0] = target_hue

# 合并通道并转回BGR色彩空间
new_hsv = cv2.merge([h, s, v])
result = cv2.cvtColor(new_hsv, cv2.COLOR_HSV2BGR)

# 保存输出结果
cv2.imwrite("test6.jpg", result)

参数调整说明 #

• 红色识别范围调整：如果存在漏识别的红色区域，可适当放宽H值阈值，比如将第一个区间上限调至15，第二个区间下限调至165；如果误识别了过多非红色区域，可提高S/V的下限（把阈值中的50调整为60~70）
• 目标颜色调整：修改target_hue的取值即可切换转换后的色系，OpenCV HSV色相取值对应关系：
  • 黄色：30
  • 绿色：60
  • 青色：90
  • 蓝色：120
  • 紫色：150

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