Android平台OpenCV inRange参数咨询：颜色模型选择与亮度适配方案

嘿，做Android上的OpenCV实时颜色检测我之前折腾过好一阵子，刚好能回答你的问题：

一、inRange() 方法的颜色模型选择 #

首先得明确一个核心规则：inRange()的上下界颜色参数，必须和你传入的图像颜色空间完全匹配。

比如你直接用OpenCV的摄像头回调拿到的帧，默认是BGR格式（OpenCV在Android平台也是这个默认），那你要是传RGB数值进去肯定不对；但如果你先把图像转换成了HSV空间，那参数就得是HSV的范围值。

不过这里强烈建议你切换到HSV颜色空间来做颜色筛选，而不是用默认的BGR。原因很简单：RGB/BGR里颜色和亮度是绑定的，环境亮度一变，三个通道的数值都会跟着波动，阈值根本没法固定；但HSV把「色相（Hue，决定是什么颜色）」「饱和度（Saturation，颜色的鲜艳程度）」「亮度（Value，明暗程度）」拆成了三个独立通道，你可以单独锁定目标颜色的色相范围，再用饱和度和亮度过滤掉阴影、反光这些干扰，稳定性高太多了。

举个实际的参数例子（Android平台的OpenCV用Java实现）：

• 红色在HSV里是环形分布的（OpenCV把标准0-360度的色相压缩成了0-180），所以需要分两个区间：

// HSV范围：H(0-180), S(0-255), V(0-255)
Scalar lowerRed1 = new Scalar(0, 120, 70);
Scalar upperRed1 = new Scalar(10, 255, 255);
Scalar lowerRed2 = new Scalar(170, 120, 70);
Scalar upperRed2 = new Scalar(180, 255, 255);

• 绿色是连续区间，直接设一个范围就行：

Scalar lowerGreen = new Scalar(40, 40, 40);
Scalar upperGreen = new Scalar(70, 255, 255);

二、应对自然亮度变化的最佳实践 #

自然亮度波动是颜色检测的噩梦，分享几个我亲测有效的技巧：

• 用HSV的S和V通道做分层过滤：
  饱和度S可以过滤掉低饱和度的灰色、白色干扰（比如阴影里的杂色、反光的高光），建议把S的下限设到40以上；亮度V不要设得太极端，比如下限50、上限250，既能过滤掉过暗的噪点，也能避免过曝的区域干扰。

• 不要硬编码死阈值，动态校准：
  可以在程序启动时加个「校准」步骤：让用户把目标颜色对准摄像头，程序截取这个区域的HSV均值和方差，然后把上下界设为均值±1.5倍方差，这样能自动适配当前环境的亮度。

• 先预处理图像再做检测：
  先用GaussianBlur()或者medianBlur()对帧做模糊，去掉因为亮度波动产生的细碎噪点，再跑inRange()，得到的掩码会干净很多；如果场景亮度差特别大，还可以对V通道做直方图均衡化（equalizeHist()），让亮度分布更均匀。

• 用形态学操作优化掩码：
  得到颜色掩码后，用开运算（先腐蚀再膨胀）去掉小的噪点，闭运算填补目标内部的空洞——即使亮度变化导致掩码有小瑕疵，也能修复成完整的目标区域：

// 创建椭圆结构元素
Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_ELLIPSE, new Size(5, 5));
// 开运算去噪
Imgproc.morphologyEx(mask, mask, Imgproc.MORPH_OPEN, kernel);
// 闭运算补洞
Imgproc.morphologyEx(mask, mask, Imgproc.MORPH_CLOSE, kernel);

• 动态调整亮度范围：
  实时计算当前帧V通道的均值，然后动态调整V的上下界——比如如果均值偏暗，就降低V的下限；如果均值偏亮，就提高V的上限：

List<Mat> hsvChannels = new ArrayList<>();
Core.split(hsvFrame, hsvChannels);
Mat vChannel = hsvChannels.get(2);
Scalar vMean = Core.mean(vChannel);
int vLower = Math.max(0, (int)(vMean.val[0] - 80));
int vUpper = Math.min(255, (int)(vMean.val[0] + 80));
// 把vLower和vUpper更新到你的HSV上下界里

内容的提问来源于stack exchange，提问作者mocle