现在我们来学习颜色过滤，学习颜色过滤之前，先了解一下HSV的概念。HSV和RGB一样是用来表示颜色的，我这里不多解释，放一张从维基百科找来的图片。
为什么颜色过滤用HSV而不用RGB呢？因为颜色过滤一般是过滤一种颜色，比如要过滤红色，肯定是大红、桃红、深红等一起过滤，而这些红色很难从RGB三通道中找到一个简单有效的规律，来实现颜色的过滤。而HSV则建立了像下面一样的立体，相似的颜色在一起，这样就可以定义两组HSV，来在立体中定义了一个小立体，通过判断颜色是否在立方体中来判断是否要过滤。
好，接下来我们看一下如何实现颜色过滤：
import cv2
import numpy as np
img = cv2.imread('HSV.jpg')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
lower_red1 = np.array([160,50,0])
upper_red1 = np.array([179,255,255])
lower_red2 = np.array([0,50,0])
upper_red2 = np.array([10,255,255])
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = mask1 + mask2
res = cv2.bitwise_and(img,img, mask = mask)
cv2.imshow('img',img)
cv2.imshow('mask',mask)
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindows()这里面用到了从百度里找的一张很辣的图：
处理之后得到下面两张图：
可以看到，程序把原图的红色部分过滤了出来，下面来介绍一下今天用到的函数：
mask = cv2.inRange(hsv, lower_red, upper_red)
cv2.inRange()三个参数，第一个参数要处理的图片
后面两个参数是文章开头提到的两组HSV，
如果三个数在这两组数据之间，那么就设置为255，否则为0，就是右边那张黑白图了。
接下来再用就是用上节说的bitwise_and()函数覆盖了。
那么为什么要用这两组HSV呢？
红色的H在HSV图中是0度，所以我们设置为-20度到+20度，这个可以自行尝试。
从原图可以看到，我们要过滤的红色还是很“红”的，所以饱和度上限可以比较高一些。
因为光线原因，辣椒难免会有发暗的面，而图中很有看到其他暗红色，所以我这里直接设置0～255
那我为什么H要写成两组加起来呢？因为这里0～360度对应的是0～180，亮度饱和度的0～1对应的是0～255。再具体的原因可以点击这里 解决方法就是写两个lower-upper，一个170～179，一个0～10，然后经过inRange()之后再用之前学得add加起来就好。
