因此，我正在尝试制作一个神经网络，通过识别色带对电阻强度进行分类。在执行该步骤之前，我想使用OpenCV对除电阻器带以外的所有颜色进行阈值处理，以便神经网络更易于分类。但是我不知道哪种阈值类型最适合此。
我尝试了几种范围的HLS，RGB和HSV，但是它们都不能消除电阻器的背景。
注意：我已经使用轮廓消除背景，所以现在剩下的就是上面带有彩色线条的电阻器。
在我的情况下，HLS摆脱了颜色，但保留了电阻背景，如下面的代码所示
frame_HLS = cv2.cvtColor(masked_data,cv2.COLOR_BGR2HLS)
frame_threshold = cv2.inRange(frame_HLS,(50,0),(139,149,255))
这是原始图像的图像，并且HLS输出
因此，总的来说，我只是想知道是否有人知道像LUV这样的其他色彩模式是否可以很好地工作，或者是否只需要使用轮廓或其他方法将它们分开。
您在正确的轨道上，颜色阈值化是分割电阻器的好方法。当前，阈值设置正确执行，您只需要执行一些简单的步骤即可删除背景。
我尝试了几种范围的HLS，RGB和HSV，但是它们都不能消除电阻器的背景。
要删除背景，我们可以使用cv2.inRange()生成的二进制掩码。我们只需使用cv2.bitwise_and()并使用这两行将蒙版上的所有黑色像素转换为白色
result = cv2.bitwise_and(original,original,mask=frame_threshold)
result[frame_threshold==0] = (255,255,255)
这是您当前所拥有的蒙版图像（左）和移除背景后的蒙版图像（右）
import cv2
image = cv2.imread('1.png')
original = image.copy()
frame_HLS = cv2.cvtColor(image,cv2.COLOR_BGR2HLS)
frame_threshold = cv2.inRange(frame_HLS,(50,0),(139,149,255))
result = cv2.bitwise_and(original,255)
cv2.imshow('result',result)
cv2.waitKey()
但是我不知道哪种阈值类型最适合此。
现在，您正在使用颜色阈值设置，可以继续使用此方法，并尝试使用HLS，RGB或HSV颜色空间中的其他范围。在所有这些情况下，可以通过将蒙版上的所有黑色像素转换为白色来删除背景。如果您决定转向另一种阈值方法，请查看Otsu's threshold或Adaptive thresholding，它们会自动计算阈值。