这张图片只是一个例子。右上是原始图像，左上是色调，左下是饱和度，右下是值。可以很容易地看出，H 和 S 都充满了伪影。我想降低亮度，所以结果会挑选出很多这样的伪影。
我做错了什么？
我的代码很简单：
vc = cv2.VideoCapture( 0 )
# while true and checking ret
ret, frame = vc.read()
frame_hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
cv2.imshow("h", frame_hsv[:,:,0])
cv2.imshow("s", frame_hsv[:,:,1])
cv2.imshow("v", frame_hsv[:,:,2])
我觉得你的问题有误解。虽然 Boyko Peranov 的回答肯定是正确的，但您提供的图像没有问题。其背后的逻辑如下：您的相机在 RGB 颜色空间中拍照，根据定义，它是一个立方体。当您将其转换为 HSV 颜色空间时，所有像素都映射到以下锥体：
色调（HSV 的第一个通道）是锥体上的角度，饱和度（HSV 的第二个通道，在图像中称为色度）是到锥体中心的距离，值（HSV 的第三个通道）是高度在锥体上。
Hue 通道通常定义在 0-360 之间，从 0 处的红色开始（在 8 位图像的情况下，OpenCV 使用 0-180 范围来拟合无符号字符，如文档中所述）。但问题是，值 0 和 359 的两个像素在颜色上确实非常接近。通过仅取外表面（当饱和度最大时）使 HSV 锥体变平时，可以更容易地看到：
即使这些值在感知上很接近（0 处为完美的红色，359 处为红色，带有一点点紫色），这两个值也相距甚远。这就是您在 Hue 频道中描述的“伪影”的原因。当 OpenCV 以灰度显示它时，它会将黑色映射到 0，将白色映射到 359。事实上，它们是非常相似的颜色，但是当以灰度映射时，显示的距离太远了。有两种方法可以规避这个反直觉的事实：您可以将 H 通道重新投射到具有固定饱和度和值的 RGB 空间中，这将更接近我们的感知。您还可以使用其他基于感知的颜色空间（例如Lab 颜色空间），它不会给您带来这些数学副作用。
Boyko Peranov 解释了这些工件补丁是方形的原因。JPEG 压缩通过将像素替换为近似于它所替换的补丁的更大方块来工作。如果您在创建 jpg 时将压缩质量设置得很低，您甚至可以看到这些方块出现在 RGB 图像中。质量越低，正方形越大越明显。这些方块的平均值是单个值，对于红色色调，最终可能介于 0 和 5（显示为黑色）或 355 和 359（显示为白色）之间。这就解释了为什么“人工制品”是方形的。
我们也可能会问自己，为什么在色调通道中会出现更多的 JPEG 压缩伪影。这是因为色度二次采样，基于感知的研究表明，我们的眼睛不太容易看到颜色的快速变化而不是强度的快速变化。因此，在压缩时，JPEG 会故意丢失色度信息，因为我们无论如何都不会注意到它。
饱和度（左下角的图像）白色变化点的情况类似。您正在描述几乎黑色的像素（在锥体的尖端）。因此，饱和度值可能变化很大，但不会对像素的颜色产生太大影响：它将始终接近黑色。这也是 HSV 颜色空间不完全基于感知的副作用。
RGB（或 OpenCV 的 BGR）和 HSV 之间的转换（理论上）是无损的。您可以说服自己：将您的 HSV 图像重新转换为 RGB 图像，您将获得与开始时完全相同的图像，没有添加任何伪像。
您正在使用有损压缩图像，因此会出现矩形伪影。对于视频，您的展示时间很短，可能有带宽限制等。因此整体图片质量会下降。你可以：
Capture通过使用代替VideoCapture或使用一系列静止图像