HSV 色彩空间是计算机视觉领域应用频率非常高的颜色模型，主要有 Hue（色调）、Saturation（饱和度）与 Value（值）三者组合而成，与一般比较熟悉的 RGB 或 BGR 像点值组成颜色的方式是完全不同的。

在前面做过的“追踪特定颜色物件”实验中，必须不断修改代码中的某些值，然后重复执行代码去确认这些值的正确性，这对于某个特定颜色来说还勉强可以用用，但如果需要动态地对多种颜色进行识别的话，那可就令人头痛了。

因此本文特别提供一个简单工具，结合 OpenCV 的 createTaskbar 与 getTrackbarPos 这两个功能，协助初学者掌握颜色变化时的各项参数。

创建 BGR 色彩空间调色板

首先以人类习惯的 BGR 颜色空间为例，创建一个最简单的调色板，完整代码如下：

执行的结果如下图，用鼠标滑动 B/G/R 的值，下面色块会根据上面三个值的组合进行实时调整。

这是个非常简单而且实用的工具。接下来我们将 BGR 颜色空间修改成 HSV 颜色空间，因为大部分计算机视觉的应用，是采用 HSV 颜色空间进行转换。

创建 HSV 色彩空间调色板

关于 HSV 的原理，请自行百度上参考其细节，这里只挑与代码有关的部分简单说明。

在 Hue 色调部分由于有个上下限的范围，执行结果就会出现如下图的调色板，可用鼠标调整每个数值。不过到此只是显示这个调色板，还不具备任何功能。

使用 HSV 色彩空间调色板

接下去将前面“追踪特定颜色物件”代码集成进来，最终目的是利用这个调色板对特定颜色进行过滤（追踪）的功能，主要步骤如下（代码见“粗体底线”部分）：

1. 集成 CSI 摄像头：将调用 CSI 摄像头代码完整复制进来
2. 读入图像，然后透过 cv2.cvtColor() 转成 HSV 格式，存到 hsv 变量
3. 将调色板上的对应值，分别写入 hsvLowerBound 与 hsvUpperBound 里面，作为计算掩码的范围依据
4. 用 cv2.inRange() 函数找出 hsv 的掩码，存到 mask 变量
5. 用 cv2.bitwise_and() 函数将 frame 与 mask 进行 AND 计算，过滤掉“非绿”部分，将结果存到 detect 变量
6. 将原图（frame）与结果（detect) 显示在画面上

执行后的显示结果如下，左边是原图，中间是调色板，右边是调整后筛选的颜色：

利用鼠标调节中间调色板的各项数值，然后右边的结果就会立即产生变化：

以上色彩空间调色板的制作，应该会对您有所帮助。