阈值图像
为了将彩色图像，例如由您的相机捕获的图像，转换为以目标为“前景”的二进制图像，我们需要使用每个像素的色相，饱和度和值对图像进行阈值处理。
HSV模型
与RGB不同，HSV不仅可以根据像素的颜色进行过滤，还可以根据颜色的强度和亮度进行过滤。
色相：测量像素的颜色。
饱和度：测量像素的颜色强度。
Value: Measures the brightness of the pixel.
您可以使用OpenCV将BGR图像矩阵转换为HSV。
hsv_img = cv2.cvtColor(input_img, cv2.COLOR_BGR2HSV)
备注
OpenCV的色相范围从1°到180°，而不是普通的1°到360°。为了将通用色相值转换为OpenCV，请除以2。
阈值
我们将以现场图像为例来说明整个图像处理过程。
通过使用HSV对图像进行阈值处理，可以将图像分为视觉目标（前景）和相机看到的其他物体（背景）。以下代码示例通过使用HSV值进行阈值处理将HSV图像转换为二进制图像。
binary_img = cv2.inRange(hsv_img, (min_hue, min_sat, min_val), (max_hue, max_sat, max_val))
备注
这些值可能必须在每个场所进行调整，因为不同场所的环境照明可能会有所不同。建议通过NetworkTables编辑这些值，以便于即时编辑。
阈值化后，您的图像应如下所示。
如您所见，阈值处理可能不是100％干净。您可以使用形态学运算来处理噪声。