HSV中H为色调（Hue）、S为饱和度（Saturation）、V为亮度（Value）三个分量构成
RGB和HSV颜色空间中进行图像处理的案例，HSV颜色空间分离图像中每一个像素的值或V分量。这个分量在不同光照条件下变化最大，H或色调通道在阴影或高亮条件下非常稳定，如果我们主要依赖于这个通道，并丢弃V通道中的信息。我们就能比RGB颜色空间更可靠地探测彩色对象。比如这里的绿色屏幕背景。
这里已经导入图片，绿色屏幕的图像亮度不均匀，带有阴影区域和亮度不同的区域。我想遮住这个绿色区域，看看RGB和
HSV颜色空间中是那些通道起作用，现在这幅图像中每个像素都有代表位置的x和y值。以及代表颜色的RGB值，首先要做的是重建RGB阈值，
设置上下阈值，用cv2.inRange创建一个遮罩，然后遮盖面积不等于0的图像部分，既白色区域，
由于阴影部分的存在，它只遮盖住了一半的绿色背景，我们看看HSV颜色空间是不是效果更好？首先我们需要把图像转换为
HSV颜色空间，使用cvtColor函数，这是一个色彩转换函数，我们使用RGB到HSV.返回转换后的图像。然后我们把每一个色彩通道都隔离开。方便可视化。要隔离通道，只需代入图像阵列，带入图像前两列的x和y值，然后是第三列的0索引，代表每一个像素的色调。类似的 对于饱和度和明度，打入图像像素的所有x和y坐标，然后取第三列的第一个和第二个索引，
得到每一个像素的饱和度和i明度值，然后在灰阶中绘制每一个彩色通道。
这是灰阶度饱和度表示的三个通道，像素越亮，代表色调值，饱和度，明度的值越高，我们可以看到，即便在阴影部分
色调水平非常一致，但饱和度和明度分量变化很大，尤其是阴影部分