如何用Numpy在Python中偏移HSV像素值转换红黄为蓝色

你的思路非常巧妙——通过色调偏移把黄色、红色统一转换成蓝色，这样后续只需要一个阈值就能处理，不用维护多个颜色区间，这确实能简化后续的mask生成逻辑。不过你的代码片段里有几个需要修正的细节，我来帮你把整个流程捋顺：

1. 正确实现色调偏移（核心步骤） #

首先要注意OpenCV的H通道是uint8类型（0-255），但我们的Hue范围是0-180，直接做加法会出现溢出问题（比如H=170+90=260，uint8会截断成4，这和我们要的(170+90)%180=80完全不符）。所以必须先转换数据类型再计算：

import cv2
import numpy as np

# 假设你已经获取了视频帧frame
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)

# 提取H通道，转成int16避免溢出
h_channel = hsv[:, :, 0].astype(np.int16)
# 应用色调偏移公式：(Hue + 90) % 180
h_shifted = (h_channel + 90) % 180
# 转换回uint8类型，放回HSV图像
hsv[:, :, 0] = h_shifted.astype(np.uint8)

2. 生成单一蓝色阈值的mask #

经过偏移后，原来的黄色（H≈20-30）和红色（H≈0-10、170-180）都会被转换成蓝色区间的H值（H≈80-120），现在只需要一个蓝色的HSV阈值就能生成mask了：

# 蓝色的HSV阈值（可根据你的实际场景微调）
lower_blue = np.array([85, 50, 50])
upper_blue = np.array([135, 255, 255])
mask = cv2.inRange(hsv, lower_blue, upper_blue)

你原来代码的问题说明 #

• 你写的mask= [H<75 and H>128]是错误的：在NumPy数组的条件判断中，不能用Python原生的and，必须用&，而且每个条件都要加括号（比如(H < 75) & (H > 128)），不过其实在做了色调偏移后，这个判断完全不需要了。
• 直接对uint8类型的H通道做加法会导致溢出错误，这是很多人容易踩的坑，一定要先转成更高位的整数类型再计算偏移。

补充验证逻辑 #

如果想确认转换是否正确，可以单独提取转换前后的H通道可视化：

# 显示原H通道和偏移后的H通道
cv2.imshow('Original H Channel', h_channel.astype(np.uint8))
cv2.imshow('Shifted H Channel', h_shifted.astype(np.uint8))
cv2.waitKey(0)
cv2.destroyAllWindows()

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