參考文獻

bgr_2_hsi、color_slicing來自：數字影像處理：彩色圖片處理，HSI模型
hsv提取彩色的方法來自：OpenCV之顏色空間轉換、掩膜（mask）、顏色提取——python實作
HSV提取指定其他所有顏色的方法：Python3 識別判斷圖片主要顏色，提取指定顏色的方法
感謝各位作者！

引入

import cv2
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示負號

顯示HIS模型提取的紅色

函式bgr_2_hsi：

def bgr_2_hsi(image):
    out = np.copy(image)
    out_slicing = np.zeros(image.shape, np.uint8)

    for x in range(image.shape[0]):
        # print(str(int(x / image.shape[0] * 100)) + "%")
        for y in range(image.shape[1]):
            b, g, r = image[x][y]
            b, g, r = int(b), int(g), int(r)
            i_s = np.sum([b, g, r])
            i = i_s / 3

            # i == 0, s and h is no sense
            if i_s == 0:
                i = 0
                s = 0
                h = 0
                out[x][y] = h, s, i
                continue

            s = (1 - (3 * np.min([b, g, r])) / i_s) * 255

            # s == 0 h is no sense
            if s == 0:
                h = 0
                out[x][y] = h, s, i
                continue

            thea = np.arccos((2 * r - g - b) / (2 * np.sqrt((r - g) ** 2 + (r - b) * (g - b))))
            if g >= b:
                h1 = thea
            else:
                h1 = np.pi * 2 - thea
            h1 = np.rad2deg(h1)
            # slicing
            if (int(h1) in range(0, 11) or int(h1) in range(350, 361)) and s / 255 > 0.1:
                print(int(h1))
                out_slicing[x][y] = image[x][y]

            h = h1 / 360 * 255
            out[x][y] = h, s, i

    return out

實作：

# 讀入的影像是BGR空間影像
frame = cv2.imread("img/color2.png")

# frame_to_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# 部分1：將BGR空間的圖片轉換到HSI空間
frame_to_hsi = bgr_2_hsi(frame)

# 部分2：
# 每個分量設定兩個閾值
#    H_min < H < H_max  AND
#    S_min < S < S_max  AND
#     I_min < I < I_max
# 定義紅色
lower_red = np.array([0, 100, 100])
upper_red = np.array([10, 255, 255])

# 部分3：
# 從HSI影像中截取出藍色、綠色、紅色，即獲得相應的掩膜
# cv2.inRange()函式是設定閾值去除背景部分，得到想要的區域

red_mask = cv2.inRange(frame_to_hsi, lower_red, upper_red)

# 部分4：
# 將原影像和mask(掩膜)進行按位與

red_res = cv2.bitwise_and(frame, frame, mask=red_mask)

# 最后得到要分離出的顏色影像

# 部分5:將BGR空間下的圖片轉換成RGB空間下的圖片
frame = frame[:, :, ::-1]
red_res = red_res[:, :, ::-1]

# 部分6：顯示影像

plt.subplot(131), plt.imshow(frame) ,plt.title("原圖")
plt.subplot(132), plt.imshow(red_mask), plt.title("紅色遮罩")
plt.subplot(133), plt.imshow(red_res), plt.title("紅色")

plt.show()

結果：

RGB模型 提取紅色

函式：

def color_slicing(image, center, w):
    """
    :param image:
    :param center: b, g, r ib range 0 ~ 255
    :param w: width
    :return:
    """
    out = np.zeros(image.shape, np.uint8)
    for x in range(image.shape[0]):
        for y in range(image.shape[1]):
            r_b, r_g, r_r = center
            a_b, a_g, a_r = image[x][y]
            if abs(r_b - a_b) < w / 2 and abs(r_g - a_g) < w / 2 and abs(r_r - a_r) < w / 2:
                out[x][y] = image[x][y]
    return out

實作：

img = cv2.imread("img/color2.png")
img_to_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img_slice_red = color_slicing(img_to_rgb, (241, 68, 58), 0.2549 * 255)
plt.subplot(121), plt.imshow(img_to_rgb), plt.title("原圖RGB")
plt.subplot(122), plt.imshow(img_slice_red), plt.title("紅色")
plt.show()

結果：