opencv在imwrite和imshow中假设BGR图像，并将处理任何3通道材质，就像它是BGR一样。因此，当我们保存或显示图像时，它将HSV矩阵处理为BGR。现在，对于查看器，我们的眼睛习惯于将像素识别为RGB，因此将H通道解释为红色，S通道解释为绿色，V通道解释为蓝色。Micka在评论中对此进行了漂亮的解释。

我自己也终于明白了！！
下面是解释：
假设我有一个图像，每个像素都是相同的，格式为**[255，0，0]，这意味着这个图像是完全蓝色的。
BGR Blue Image
现在，如果使用OpenCV将BGR转换为HSV（在后台运行公式将每个像素从BGR转换为HSV），则每个像素的值将更改为[120，255，255]，表示色调= 120，饱和度= 255，值= 255。**
HSV IMAGE

**[120，255，255]**的图像在我们的屏幕上看起来有点黄，因为像素本身可以在BGR格式下工作！因此对于像素来说，蓝色= 120，绿色= 255，红色= 255。

BGR version of HSV image
所以我做了一个BGR图像，每个像素值都是**[120，255，255]**，它看起来和HSV图像一样！我也发布了像素值的图像。
Pixel Values

import numpy as np
import matplotlib.pyplot as plt
import cv2 #opencv

# Make a Black image
img = np.zeros((512,512,3), np.uint8)

# Make All pixels with Blue value to its highest (make blue image)
img[:,:,0] = 255

# Convert BGR to HSV image
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

cv2.imshow("BGR Blue Image", img)
cv2.imshow("HSV version of Blue Image",hsv_img)

print("\n BGR pixel value: ", img[5,5]) # output is [255,0,0]
print("\n HSV pixel value: ", hsv_img[5,5]) # output is [120,255,255]

cv2.waitKey(0)

# Now make the original image to the same pixel value as HSV output
img[:,:,0] = 120
img[:,:,1] = 255
img[:,:,2] = 255

cv2.imshow("BGR version of the HSV pixel value Image", img)

print("\n BGR pixel Value of the HSV image: ", img[5,5])
print("\n")

cv2.waitKey(0)

cv2.destroyAllWindows()