想在 OpenCV 裡抓出圖片中的紅色區塊，關鍵是先把圖轉到 HSV 色彩空間，再用 `cv2.inRange` 做雙區間遮罩（因為紅色橫跨 H 軸兩端）。這篇筆記整理線上色碼轉換工具的用法、HSV 的基本概念，以及計算紅色區域面積的完整程式碼。
怎麼用線上 HSV 色碼轉換器？
挑顏色範圍時，一個好用的線上工具是色碼轉換器，可以直接把 RGB 換算成 HSV：
要注意的是，若要把轉換過的顏色套用到 Python 的色碼，記得：
- 將 S、V 的範圍改為 0–255
- 網站上看到的 H 值（如這邊為 26）要除以 2，也就是 13
以上圖來說，網站顯示的色碼為 HSV:(26, 90, 223)，填進 Python 裡面要使用 HSV:(13, 90, 223)。
Python 裡面的 HSV 識別空間長怎樣？
一般對顏色空間的圖像進行有效處理都是在 HSV 空間進行的。基本色對應的 HSV 分量範圍為：
| 分量 | 範圍 |
|---|---|
| H（色相） | 0 — 180 |
| S（飽和度） | 0 — 255 |
| V（明度） | 0 — 255 |
基本的 HSV 顏色是怎麼劃分的？
下面兩張圖整理了常用顏色在 HSV 空間中的大致區間，抓顏色範圍時可以直接對照：
HSV 和 HSL 到底差在哪？
HSB 又稱 HSV，表示一種顏色模式：在 HSB 模式中，H（hues）表示色相，S（saturation）表示飽和度，B（brightness）表示亮度。HSB 模式對應的媒介是人眼。
HSL 和 HSV 二者都把顏色描述在圓柱體內的點：圓柱的中心軸取值為自底部的黑色到頂部的白色，中間是灰色；繞這個軸的角度對應於「色相」，到這個軸的距離對應於「飽和度」，沿著這個軸的距離對應於「亮度」、「色調」或「明度」。這兩種表示在用途上類似，但在方法上有區別。
二者在數學上都是圓柱，但 HSV（色相、飽和度、明度）在概念上可以被認為是顏色的倒圓錐體（黑點在下頂點，白色在上底面圓心）；HSL 在概念上則表示了一個雙圓錐體和圓球體（白色在上頂點，黑色在下頂點，最大橫切面的圓心是半程灰色）。注意儘管在 HSL 和 HSV 中「色相」指稱相同的性質，它們的「飽和度」的定義是明顯不同的。
怎麼用程式碼抓取圖片中紅色（膚色）區塊的大小？
紅色在 H 軸上是環繞的（0 附近和 180 附近都有），所以要建立兩個遮罩再用 `bitwise_or` 合併：
```python
import cv2
import numpy as np
def find_white_color_size(image, upper, lower, upper2=None, lower2=None):
imageHSV = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(imageHSV, lower, upper)
if lower2 is not None and upper2 is not None:
mask2 = cv2.inRange(imageHSV, lower2, upper2)
mask = cv2.bitwise_or(mask, mask2)
area = 0
for i in range(len(mask)):
filter_color = mask[i] > 0
area += len(mask[i][filter_color])
return area
lower_red1 = np.array([0, 70, 100], dtype=np.uint8)
upper_red1 = np.array([20, 120, 240], dtype=np.uint8)
lower_red2 = np.array([150, 70, 100], dtype=np.uint8)
upper_red2 = np.array([180, 120, 240], dtype=np.uint8)
print('color size:', find_white_color_size(card_image, upper_red1, lower_red1, upper_red2, lower_red2))
```
這段程式碼會回傳遮罩中值大於 0 的像素數量，也就是紅色區塊的總面積。實測上也可以直接改用來抓膚色大小的估算。
延伸閱讀
- 用 OpenCV 旋轉圖片：getRotationMatrix2D 與 warpAffine 範例：同樣聚焦 OpenCV、Python，可接著比較不同情境的做法。
- 使用 OpenCV 調整圖片亮度：convertScaleAbs 範例：同樣聚焦 OpenCV、Python，可接著比較不同情境的做法。
- 使用 OpenCV 做圖片後製處理（如 Photoshop）的三個實用技巧：同樣聚焦 OpenCV、影像處理，可接著比較不同情境的做法。
常見問題
為什麼紅色需要兩個 HSV 區間？
因為 OpenCV 的 H 分量範圍是 0–180，紅色正好橫跨環的兩端（接近 0 和接近 180），單一區間會漏掉其中一側，所以要用兩個 lower/upper 分別建立遮罩，再以 `cv2.bitwise_or` 合併。
為什麼線上工具查到的 H 值要除以 2？
線上轉換器通常用 0–360 表示色相，而 OpenCV 為了塞進 uint8 使用 0–180，換算時就是把 H 除以 2。S、V 則從 0–100% 換成 0–255。
`cv2.inRange` 回傳的是什麼？
回傳一張二值化遮罩：落在指定 HSV 範圍內的像素為 255，其餘為 0。統計遮罩中大於 0 的像素數，就能得到該顏色區塊的面積。
參考資料
最後更新
2026-08-28（原文發布於 2022-12-16，本文保留原始筆記內容並補上 GEO 結構。）
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2022-12-16