直方图法确定红黄蓝三色阈值

直方图法是一种常用的图像分割方法，可以用来确定红黄蓝三色的阈值。以下是具体步骤：

1. 将图像转换为HSV颜色空间，因为HSV颜色空间可以将图像的颜色信息分成色相、饱和度和亮度三个部分，便于处理。

2. 分别计算红色、黄色和蓝色的直方图，可以使用Python中的cv2.calcHist()函数进行计算。

3. 对于每个颜色，选择一个合适的阈值来进行二值化处理。可以使用直方图的峰值点作为阈值，或者使用Otsu阈值法。

4. 将三个二值化图像进行合并，得到最终的分割结果。

下面是Python代码示例：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 转换为HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 计算红色、黄色和蓝色的直方图
red_hist = cv2.calcHist([hsv], [0], None, [180], [0, 180])
yellow_hist = cv2.calcHist([hsv], [0], None, [180], [15, 30])
blue_hist = cv2.calcHist([hsv], [0], None, [180], [100, 130])

# 计算直方图峰值
r_peak = np.argmax(red_hist)
y_peak = np.argmax(yellow_hist)
b_peak = np.argmax(blue_hist)

# 使用峰值作为阈值进行二值化处理
r_thresh = r_peak
y_thresh = y_peak + 15
b_thresh = b_peak + 100

r_mask = cv2.inRange(hsv, (r_thresh, 50, 50), (r_thresh+10, 255, 255))
y_mask = cv2.inRange(hsv, (y_thresh, 50, 50), (y_thresh+10, 255, 255))
b_mask = cv2.inRange(hsv, (b_thresh, 50, 50), (b_thresh+10, 255, 255))

# 合并三个二值化图像
mask = r_mask + y_mask + b_mask

# 显示结果
cv2.imshow('image', img)
cv2.imshow('mask', mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，直方图法的精度可能会受到光照、阴影等因素的影响，因此需要根据实际情况进行调整。