我想举一个例子，但最终创建了一个完整的脚本-见下文。

这个想法是为每个值创建一个跟踪栏（我将其放在单独的窗口中以方便使用）。移动轨迹栏时，会调用一个函数来修改全局颜色范围变量。然后执行阈值处理。

注意：要分离出特定颜色的RGB不是很好。在HSV色彩空间中，这要容易得多。该过程与下面的过程相同，但是首先将图像转换为HSV。
试用this script，它基本上是下面的脚本，但是带有HSV。

结果：

代码：

import numpy as np
import cv2
# Load image
frame = cv2.imread('img.jpg')

# create variables
lowerLimits = np.array([0,0])
upperLimits = np.array([255,255,255])

# functions to modify the color ranges
def setLowVal(val,col):
    global lowerLimits
    lowerLimits[col] = val
    processImage()

def setHighVal(val,col):
    global upperLimits
    upperLimits[col] = val
    processImage()

def processImage():
    # treshold and mask image
    thresholded = cv2.inRange(frame,lowerLimits,upperLimits)
    outimage = cv2.bitwise_and(frame,frame,mask = thresholded)
    #show img
    cv2.imshow("Frame",outimage)

# create trackbars
cv2.namedWindow("Control")
cv2.createTrackbar("lowRed","Control",lambda x: setLowVal(x,2))
cv2.createTrackbar("highRed",lambda x: setHighVal(x,2))
cv2.createTrackbar("lowGreen",1))
cv2.createTrackbar("highGreen",1))
cv2.createTrackbar("lowBlue",0))
cv2.createTrackbar("highBlue",0))

#show initial image
cv2.imshow("Frame",frame)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，我使用了lambda函数，因此我可以编写更少的代码，但是lambda并不是真正的初学者。如果您不完全了解，请知道您还可以执行以下操作：

def setLowRed(val):
    global lowRed
    lowRed = val
    processImage()

cv2.createTrackbar("lowRed",setLowRed)

对每种颜色执行此操作，然后在processImage()中构建颜色范围数组