OpenCV入门：掌握图像基本操作，开启视觉之旅！

欢迎来到OpenCV的奇妙世界！如果你已经配置好了OpenCV环境，并对Python和NumPy有了初步了解，那么现在是时候深入学习图像的基本操作了。这些操作是后续进行更复杂图像处理和计算机视觉任务的基石。（部分图片资源来于网络。如有侵权行为，联系我删除）

在本篇博客中，你将学习到：

1.加载、显示和保存图像

2.获取图像属性（高度、宽度、通道等）

3.访问和修改像素值

4.图像ROI提取与操作

5.通道分离与合并

6.图像的算术运算（加法、混合）

准备工作：

确保你已经安装了opencv-python, numpy 和 matplotlib(可选，但推荐用于某些显示场景).

pip install opencv-python numpy matplotlib

让我们开始吧！

1.加载、显示和保存图像

这是与图像打交道最基本的第一步。

1.1加载图像(cv.imread())

OpenCV使用cv2.imread()函数来加载图像。

语法： image = cv2.imreaad(filepath,flags)

参数：

filepath:图像文件的路径（例如 “lena.jpg”, “images/my_photo.png”）

flags(可选)：指定加载图像的颜色类型。常用标志有：

cv2.IMREAD_COLOR（或1）：加载彩色图像，任何透明度都将被忽略。这是默认标志。图像将是BGR格式

cv2.IMREAD_GRAYSCALE(或0)：以灰度模式加载图像。

cv2.IMREAD_UNCHANGED(或-1)：加载图像，包括alpha通道(如果存在)。

示例代码：（路径必须是英文路径！）

import cv2
import numpy as np

# 加载彩色图像 (默认)
img_color = cv2.imread('path_to_your_image.jpg', cv2.IMREAD_COLOR)
# 或者简单地：img_color = cv2.imread('path_to_your_image.jpg')

# 加载灰度图像
img_gray = cv2.imread('path_to_your_image.jpg', cv2.IMREAD_GRAYSCALE)

# 检查图像是否加载成功
if img_color is None:
    print("错误：无法加载彩色图像，请检查路径！")
else:
    print("彩色图像加载成功！")

if img_gray is None:
    print("错误：无法加载灰度图像，请检查路径！")
else:
    print("灰度图像加载成功！")

这是一张彩色图与灰度图，你可以尝试加载它们。

1.2显示图像(cv2.imshow())

语法：cv2.imshow(window_name, image)

参数：

window_name: 显示图像的窗口名称（字符串）。
image: 要显示的图像 (NumPy 数组)。

为了让窗口保持显示直到用户按下某个键，我们通常配合使用 cv2.waitKey()。为了在关闭窗口后释放资源，使用 cv2.destroyAllWindows()。

cv2.waitKey(delay): 等待指定的毫秒数，如果在这期间按下任何键，则返回该键的 ASCII 码。如果参数为 0，则无限期等待按键。
cv2.destroyAllWindows(): 关闭所有由 OpenCV 创建的窗口。
cv2.destroyWindow(window_name): 关闭指定的窗口。

示例程序：（路径必须是英文路径！）

import cv2

img = cv2.imread('path_to_your_image.jpg')

if img is not None:
    cv2.imshow('My Image Window', img) # 显示图像
    cv2.waitKey(0) # 等待用户按键 (0 表示无限等待)
    cv2.destroyAllWindows() # 关闭所有窗口
else:
    print("图像未加载，无法显示。")

显示效果如下：

1.3保存图像(cv2.imwrite())

cv2.imwrite() 函数用于将图像保存到文件。

语法： cv2.imwrite(filepath, image)
参数：
- filepath: 保存图像的文件路径和名称 (例如 “output.png”, “processed/image_gray.jpg”)。文件扩展名决定了图像的格式。
- image: 要保存的图像 (NumPy 数组)。

示例代码：（路径必须是英文路径！）

import cv2

img = cv2.imread('path_to_your_image.jpg', cv2.IMREAD_GRAYSCALE)

if img is not None:
    # 保存灰度图像为 PNG 格式
    success = cv2.imwrite('grayscale_image.png', img)
    if success:
        print("图像成功保存为 grayscale_image.png")
    else:
        print("保存图像失败！")
else:
    print("图像未加载，无法保存。")

2.获取图像属性

加载到内存中的图像（NumPy 数组）有很多有用的属性。

image.shape: 返回一个包含图像行数（高度）、列数（宽度）和通道数的元组。
- 对于彩色图像 (BGR)，它返回 (高度, 宽度, 3)。
- 对于灰度图像，它返回 (高度, 宽度)，因为只有一个通道。你可以通过 img.ndim 查看维度数量。
image.size: 返回图像的像素总数 (高度 * 宽度 * 通道数)。
image.dtype: 返回图像的数据类型（例如 uint8，表示无符号8位整数，像素值范围 0-255）。

示例程序：（路径必须是英文路径！）

import cv2

# 加载彩色图像
img_color = cv2.imread('path_to_your_image.jpg')
if img_color is not None:
    print("彩色图像属性:")
    print("  形状 (Shape):", img_color.shape) # (高度, 宽度, 通道数)
    print("  总像素数 (Size):", img_color.size)
    print("  数据类型 (dtype):", img_color.dtype)
    height, width, channels = img_color.shape
    print(f"  高度: {height}px, 宽度: {width}px, 通道数: {channels}")

print("-" * 20)

# 加载灰度图像
img_gray = cv2.imread('path_to_your_image.jpg', cv2.IMREAD_GRAYSCALE)
if img_gray is not None:
    print("灰度图像属性:")
    print("  形状 (Shape):", img_gray.shape) # (高度, 宽度)
    print("  总像素数 (Size):", img_gray.size)
    print("  数据类型 (dtype):", img_gray.dtype)
    height_gray, width_gray = img_gray.shape
    print(f"  高度: {height_gray}px, 宽度: {width_gray}px, 通道数: 1 (隐式)")

3.像素访问和修改

我们可以直接访问和修改图像中的特定像素值。记住，OpenCV 加载的彩色图像默认是 BGR 顺序（蓝、绿、红）。

3.1访问像素值

你可以像访问 NumPy 数组元素一样访问像素。坐标通常是 [行(y), 列(x)]。

示例代码：

import cv2
import numpy as np

img = cv2.imread('path_to_your_image.jpg')

if img is not None:
    # 获取坐标 (100, 50) 处的像素值 (假设图像足够大)
    # 对于彩色图像，返回一个 BGR 值的数组
    (b, g, r) = img[100, 50]
    print(f"像素 (100, 50) - B: {b}, G: {g}, R: {r}")

    # 对于灰度图像
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 先转换为灰度图
    gray_pixel_value = img_gray[100, 50]
    print(f"灰度图像像素 (100, 50) - 强度: {gray_pixel_value}")

    # 更高效的方式访问单个通道 (例如，只获取蓝色通道的值)
    blue_channel_value = img[100, 50, 0] # 0 代表蓝色通道
    print(f"像素 (100, 50) - 仅蓝色通道: {blue_channel_value}")

3.2修改像素值

同样，你可以给像素赋新值。

示例代码：

import cv2
import numpy as np

img = cv2.imread('path_to_your_image.jpg')

if img is not None:
    # 将左上角 10x10 的区域变为红色
    # 注意：这里的赋值顺序是 BGR，所以红色是 [0, 0, 255]
    img[0:10, 0:10] = [0, 0, 255] # 红色

    cv2.imshow('Modified Image', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

4.图像ROI提取与操作

ROI 指的是图像中的感兴趣区域。我们经常需要对图像的特定部分进行操作，而不是整个图像。NumPy 的切片功能使得提取 ROI 非常简单。

示例代码：

import cv2
import numpy as np

img = cv2.imread('path_to_your_image.jpg') 

if img is not None:
    # 提取区域从 y=50 到 y=150，x=70 到 x=170
    # 注意：OpenCV (和 NumPy) 坐标是 (y, x) 或 (row, col)
    roi = img[50:150, 70:170] # 切片 [startY:endY, startX:endX]

    cv2.imshow('Original Image', img)
    cv2.imshow('ROI', roi)

    # 我们可以对 ROI 进行操作，例如将其复制到图像的另一位置
    # 假设我们要将这个提取的区域复制到图像的左上角 (确保目标区域大小与 ROI 相同)
    img[0:100, 0:100] = roi # 将 roi 粘贴到 (0,0) 到 (100,100) 的区域

    cv2.imshow('Image with Copied ROI', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("图像加载失败。")

5.通道分离与合并

彩色图像通常有多个颜色通道（例如 B, G, R）。有时我们需要单独处理这些通道，或者将单独的通道合并成一个彩色图像。

5.1通道分离(cv2.split())

cv2.split() 函数将一个多通道图像分离成多个单通道图像。

示例代码：

import cv2

img_color = cv2.imread('path_to_your_image.jpg')

if img_color is not None:
    b, g, r = cv2.split(img_color) # 分离通道

    # 显示各个通道 (它们将以灰度图形式显示，因为它们是单通道的)
    cv2.imshow('Blue Channel', b)
    cv2.imshow('Green Channel', g)
    cv2.imshow('Red Channel', r)
    
    cv2.resizeWindow('Blue Channel', 400, 400)
    cv2.resizeWindow('Green Channel', 400, 400)
    cv2.resizeWindow('Red Channel', 400, 400)

    # 查看某个通道的属性
    print("蓝色通道的形状:", b.shape) # (高度, 宽度)

    # 例如，让图像只保留红色通道，其他通道设为0
    zeros = np.zeros(img_color.shape[:2], dtype="uint8")
    red_only_image = cv2.merge([zeros, zeros, r])
    cv2.imshow('Red Only Image', red_only_image)

    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("无法加载图像。")

注意： cv2.split() 是一个相对耗时的操作。如果只是为了访问某个特定通道的像素，使用 NumPy 索引会更高效： b_channel = img_color[:, :, 0] g_channel = img_color[:, :, 1] r_channel = img_color[:, :, 2]

5.2通道合并(cv2.merge())

cv2.merge() 函数将多个单通道图像合并成一个多通道图像。

import cv2
import numpy as np

img_color = cv2.imread('path_to_your_image.jpg')

if img_color is not None:
    b, g, r = cv2.split(img_color)

    # 合并通道回彩色图像 (注意顺序 B, G, R)
    merged_img = cv2.merge([b, g, r])
    cv2.imshow('Merged Image', merged_img)

    # 示例：创建一个只有蓝色和绿色的图像，红色通道为0
    zeros = np.zeros_like(b) # 创建一个与b通道形状和类型相同的全0数组
    blue_green_img = cv2.merge([b, g, zeros])
    cv2.imshow('Blue-Green Image', blue_green_img)

    cv2.waitKey(0)
    cv2.destroyAllWindows()

6. 图像的算术运算

OpenCV 允许对图像进行多种算术运算。这里我们关注加法和混合。

6.1 图像加法 (cv2.add())

你可以使用 cv2.add() 将两张图像相加。OpenCV 的加法是饱和运算（Saturating operation），这意味着如果结果超过最大值（通常是255），则会被截断到最大值。而 NumPy 的加法是模运算（Modulo operation），例如 250 + 10 = 260 % 256 = 4。

示例代码：

import cv2
import numpy as np

# 创建两个简单的图像 (确保它们大小和类型相同)
img1 = np.full((100, 100, 3), (50, 100, 150), dtype=np.uint8)  # 某种颜色
img2 = np.full((100, 100, 3), (220, 180, 120), dtype=np.uint8) # 另一种颜色

# OpenCV 加法 (饱和运算)
cv_added_img = cv2.add(img1, img2)
# 例如，对于蓝色通道: 50 + 220 = 270，饱和后变为 255
# 对于绿色通道: 100 + 180 = 280，饱和后变为 255
# 对于红色通道: 150 + 120 = 270，饱和后变为 255

# NumPy 加法 (模运算)
np_added_img = img1 + img2
# 例如，对于蓝色通道: (50 + 220) % 256 = 270 % 256 = 14

cv2.imshow('Image 1', img1)
cv2.imshow('Image 2', img2)
cv2.imshow('OpenCV Add', cv_added_img)
print("OpenCV Add (pixel [0,0]):", cv_added_img[0,0]) # 应该接近 [255, 255, 255]
cv2.imshow('NumPy Add', np_added_img)
print("NumPy Add (pixel [0,0]):", np_added_img[0,0])   # 可能会有小于255的值

cv2.waitKey(0)
cv2.destroyAllWindows()

通常，进行图像处理时，OpenCV 的饱和运算更符合我们的直觉。

6.2图像混合/融合 (cv2.addWeighted())

这是一种特殊的加法，可以给两张图像分配不同的权重，实现图像的混合或透明效果。公式如下： g(x) = (1 – α)f₀(x) + αf₁(x) 或者更通用的 OpenCV 函数形式： dst = cv2.addWeighted(src1, alpha, src2, beta, gamma) 其中 dst = alpha * src1 + beta * src2 + gamma。alpha 和 beta 是权重，gamma 是一个标量，加到每个和上。

示例代码：

import cv2
import numpy as np

# 创建两个简单的图像 (确保它们大小和类型相同)
img1 = np.full((100, 100, 3), (50, 100, 150), dtype=np.uint8)  # 某种颜色
img2 = np.full((100, 100, 3), (220, 180, 120), dtype=np.uint8) # 另一种颜色

# 确保图像加载成功且大小相同
if img1 is None or img2 is None:
    print("错误：一张或两张图片加载失败！")
elif img1.shape != img2.shape:
    print("错误：两张图片的大小必须相同才能混合！")
    # 可以先调整大小: img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))
else:
    # 混合图像：img1 权重 0.7, img2 权重 0.3, gamma 为 0
    blended_img = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)

    cv2.imshow('Image 1', img1)
    cv2.imshow('Image 2', img2)
    cv2.imshow('Blended Image', blended_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

总结与下一步

恭喜你！你已经学习了 OpenCV 中最核心的图像基本操作。这些操作是你进行更高级图像处理任务（如颜色空间转换、几何变换、阈值处理等）的基础。

练习建议：

尝试加载你自己的图片，将其转换为灰度图，然后保存。
选择一张彩色图片，提取其 R 通道，并将该通道显示出来。
在一张图片中选取一个 ROI，然后将其复制到图片的其他位置。
尝试用 cv2.addWeighted() 将两张你喜欢的图片以不同的权重混合起来，观察效果。

继续前进，探索 OpenCV 更强大的功能吧！希望这篇博客对你有所帮助！记得多动手实践，这是掌握 OpenCV 的最佳途径。祝学习愉快！

	彩色图像属性: 形状 (Shape): (1404, 1000, 3) 总像素数 (Size): 4212000 数据类型 (dtype): uint8 高度: 1404px, 宽度: 1000px, 通道数: 3
	灰度图像属性: 形状 (Shape): (1404, 1000) 总像素数 (Size): 1404000 数据类型 (dtype): uint8 高度: 1404px, 宽度: 1000px, 通道数: 1 (隐式)

1.加载、显示和保存图像

1.1加载图像(cv.imread())

1.2显示图像(cv2.imshow())

1.3保存图像(cv2.imwrite())

2.获取图像属性

3.像素访问和修改

3.1访问像素值

3.2修改像素值

4.图像ROI提取与操作

5.通道分离与合并

5.1通道分离(cv2.split())

5.2通道合并(cv2.merge())

6. 图像的算术运算

6.1 图像加法 (cv2.add())

6.2图像混合/融合 (cv2.addWeighted())

总结与下一步

练习建议：

发送评论 编辑评论

发送评论编辑评论