引言：当我们在选取颜色特征作为目标筛选的第一个条件时，我们经常使用空间转换，即将将RGB图像转换到HSV空间中，具体为什么？（小编目前还没能够理解！如果你们有知道的，请告诉小编，万分感谢！！！）我现在只能说是约定俗成这个表达。HSV颜色空间如图所示。（来自百度，好像侵权了，在此声明一下）
HSV颜色空间
首先小琼先说一下接下来的大体流程与思路：首先是图像读取、将RGB图像转换到HSV空间，生成掩码图像（此部分就是已提取到的颜色图像，也就是在图像中你所指定颜色的那部分，注意此时得到的是二值化图像）然后将得到的图像进行形态学处理，取出干扰噪点（此部分相当于是图像的优化、美化），最后利用面积大小筛选出目标图像，去除难以消除的干扰的噪点，最后和原图像进行与运算，致此结束（大体思路明白了吗？爱学习的小伙伴梦！！！）。
1.首先读取源图像：（首先应该是函数库导入，草率了）
代码：
import cv2 import numpy as np img = cv2.imread('./cat1.png') cv2.imshow('img', img)效果展示：
原图像
2.然后是空间转化。
代码：
l_g= np.array([35, 43, 46]) u_g = np.array([77, 255, 255]) hsvimg = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)#将RGB转换到HSV色域空间 cv2.imshow('hsvimg', hsvimg)效果展示：
HSV色域空间下的图像
3.然后就是掩码生成。
代码：
mask = cv2.inRange(hsvimg, l_g, u_g) cv2.imshow('mas', mask)效果展示：
HSV色域空间图像掩码
因为在此处虽然提取到了目标图像，但是干扰的噪声较多，所以必须去除。
4.形态学处理。
代码：
kernel=(5,5) kernel1=(3,3) kernel2=(7,7) mask=cv2.dilate(mask,kern,iterations=1) #腐蚀 cv2.imshow('M', mask) opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN,kern,iterations=2) cv2.imshow('opening', opening)效果展示:
M 图像
opening图像
在此因为小琼只想去除噪声，所以采用腐蚀和开运算处理。
5.消去小面积区域：
代码：
for contour in contours: area = cv2.contourArea(contour) if area <=500: cv_contours.append(contour) else: pass展示效果：
消去小面积区域
6.与原图像与运算。
代码：
res = cv2.bitwise_and(img, img, mask=mask) cv2.imshow('Result', res)显示效果：
成功提取到草坪
是不是草率了，还以为小琼提取猫！！！O(∩_∩)O哈哈~（自己尝试）
7.结束：
GAME OVER
如果理解错误，欢迎大家批评，及时纠正小琼的错误哦，真心感谢你的纠正！！！
如果小伙伴梦有疑问欢迎在评论区留言哦！！！
如果感觉不错的话！点个赞呗，不用客气！（O(∩_∩)O哈哈~）
欢迎和小伙伴梦一起学习，共同努力，加油！！！
