学习 OpenCV Python：基础知识与核心概念详解 (约3000字)

引言：开启计算机视觉之门

在人工智能和数据科学浪潮席卷全球的今天，计算机视觉（Computer Vision, CV）作为其关键分支，正以前所未有的速度渗透到我们生活的方方面面，从人脸识别解锁手机，到自动驾驶汽车感知环境，再到医疗影像分析辅助诊断，其应用场景日益广泛。而要在 Python 这个强大的编程语言生态中驾驭计算机视觉，OpenCV (Open Source Computer Vision Library) 无疑是最核心、最流行、功能最全面的库之一。

OpenCV 是一个开源的、跨平台的计算机视觉和机器学习软件库，它包含了超过 2500 种优化的算法，涵盖了经典的计算机视觉任务和最先进的机器学习技术。结合 Python 语言的简洁性、易用性和丰富的第三方库支持，OpenCV Python 绑定（cv2 模块）成为了研究人员、开发者和爱好者进入计算机视觉领域的首选工具。

本文旨在为初学者和希望系统学习 OpenCV Python 的读者提供一份详尽的指南，深入探讨其基础知识和核心概念，助您稳步踏上计算机视觉的探索之旅。

一、为什么选择 OpenCV 和 Python？

OpenCV 的优势：
- 功能强大： 提供了涵盖图像处理、视频分析、特征检测、目标识别、3D 重建、机器学习等众多领域的算法。
- 性能优越： 核心代码由 C/C++ 编写，并针对多种处理器架构（包括 Intel IPP 和 CUDA）进行了优化，运行效率高。
- 跨平台性： 支持 Windows, Linux, macOS, Android, iOS 等多种操作系统。
- 开源免费： 遵循 BSD 许可证，可免费用于学术和商业目的。
- 社区活跃： 拥有庞大的用户和开发者社区，文档丰富，遇到问题容易找到解决方案。
Python 的优势：
- 简洁易学： 语法清晰，代码可读性强，上手门槛相对较低。
- 生态丰富： 拥有 NumPy, SciPy, Matplotlib, Scikit-learn, TensorFlow, PyTorch 等强大的科学计算和机器学习库，可以与 OpenCV 无缝集成，实现复杂任务。
- 开发效率高： “胶水语言”特性使其能够快速整合不同模块，适合快速原型设计和迭代开发。
- 广泛应用： 在数据科学、Web 开发、自动化等领域均有广泛应用，学习 Python 具有普适性。

OpenCV 与 Python 的结合，可谓强强联手，既利用了 OpenCV 底层的高性能，又享受了 Python 的开发便利性，是进行计算机视觉项目开发的理想组合。

二、环境搭建：安装 OpenCV Python 库

在开始之前，确保您的系统已经安装了 Python（推荐 3.6 或更高版本）和 pip 包管理器。

安装 OpenCV 的 Python 绑定通常非常简单，只需在终端或命令行中执行：

bash pip install opencv-python

这将安装包含主要模块的核心包。然而，在实际开发中，我们往往还需要一些额外的算法，特别是涉及特征检测（如 SIFT, SURF）等专利算法（在新版本中可能受限或移至主库）以及其他贡献模块。为此，推荐安装 opencv-contrib-python 包，它包含了核心包以及所有的扩展模块：

bash pip install opencv-contrib-python

注意： 请不要同时安装 opencv-python 和 opencv-contrib-python，选择后者即可。安装 opencv-contrib-python 会自动包含 opencv-python 的内容。

为了验证安装是否成功，可以在 Python 解释器中尝试导入 cv2 模块：

python import cv2 print(cv2.__version__)

如果成功打印出 OpenCV 的版本号，则表示安装完成。

三、核心基石：图像在 OpenCV 中的表示 —— NumPy 数组

理解 OpenCV 如何处理图像至关重要。在 OpenCV Python 中，图像被表示为 NumPy 数组（numpy.ndarray）。这是学习 OpenCV 的第一个，也是最重要的核心概念。

灰度图像： 一个二维 NumPy 数组，形状为 (height, width)。数组中的每个元素代表一个像素的强度值，通常是 uint8 类型（0-255），0 代表黑色，255 代表白色。
彩色图像： 一个三维 NumPy 数组，形状为 (height, width, channels)。
- height：图像的高度（像素行数）。
- width：图像的宽度（像素列数）。
- channels：颜色通道数。OpenCV 默认使用 BGR（蓝-绿-红）颜色顺序，而不是常见的 RGB。因此，一个彩色像素通常由 3 个 uint8 值组成，分别代表蓝色、绿色和红色的强度。例如，img[y, x] 会返回一个包含 [Blue, Green, Red] 值的列表或数组。

示例：

“`python
import numpy as np
import cv2

创建一个 100×200 的黑色灰度图像

gray_img = np.zeros((100, 200), dtype=np.uint8)

创建一个 100×200 的蓝色 BGR 彩色图像

B=255, G=0, R=0

blue_img = np.zeros((100, 200, 3), dtype=np.uint8)
blue_img[:, :] = [255, 0, 0] # 将所有像素设置为蓝色

访问图像属性

print(“灰度图像形状:”, gray_img.shape) # 输出: (100, 200)
print(“彩色图像形状:”, blue_img.shape) # 输出: (100, 200, 3)
print(“图像数据类型:”, blue_img.dtype) # 输出: uint8
print(“图像总像素数:”, blue_img.size) # 输出: 100 * 200 * 3 = 60000
“`

由于图像就是 NumPy 数组，这意味着你可以直接使用 NumPy 提供的所有强大的数组操作功能来处理图像，如切片、索引、算术运算、逻辑运算等，这极大地简化了图像处理任务。

四、基础操作：图像的读写与显示

读取图像 (cv2.imread)
- cv2.imread(filepath, flags)：从指定路径加载图像。
- filepath：图像文件的路径。
- flags：指定加载图像的颜色类型，常用：
  - cv2.IMREAD_COLOR (或 1)：加载彩色图像（默认），忽略 Alpha 透明通道。
  - cv2.IMREAD_GRAYSCALE (或 0)：以灰度模式加载图像。
  - cv2.IMREAD_UNCHANGED (或 -1)：加载完整图像，包括 Alpha 通道（如果存在）。
“`python
img_color = cv2.imread(‘path/to/your/image.jpg’, cv2.IMREAD_COLOR)
img_gray = cv2.imread(‘path/to/your/image.jpg’, cv2.IMREAD_GRAYSCALE)

if img_color is None:
print(“无法加载彩色图像”)
if img_gray is None:
print(“无法加载灰度图像”)
`` **注意：** 如果图像路径错误或文件损坏，imread会返回None`，务必进行检查。
显示图像 (cv2.imshow, cv2.waitKey, cv2.destroyAllWindows)
- cv2.imshow(window_name, image)：在一个窗口中显示图像。
  - window_name：显示窗口的标题（字符串）。
  - image：要显示的 NumPy 数组图像。
- cv2.waitKey(delay)：等待键盘事件。这是必须的步骤，否则图像窗口可能一闪而过或无响应。
  - delay：等待时间（毫秒）。如果为 0，则无限期等待，直到用户按键。如果大于 0，则等待指定毫秒数。它返回按键的 ASCII 码，如果超时则返回 -1。常用于视频播放的帧率控制或等待用户交互。
- cv2.destroyAllWindows()：关闭所有由 OpenCV 创建的窗口。
- cv2.destroyWindow(window_name)：关闭指定的窗口。
“`python
cv2.imshow(‘Color Image’, img_color)
cv2.imshow(‘Grayscale Image’, img_gray)

print(“按任意键退出…”)
key = cv2.waitKey(0) # 等待用户按键
print(f”你按下的键的 ASCII 码是: {key}”)

cv2.destroyAllWindows()
“`
保存图像 (cv2.imwrite)
- cv2.imwrite(filename, image)：将图像保存到文件。
- filename：保存的文件名（包含扩展名，如 .jpg, .png）。OpenCV 根据扩展名确定文件格式。
- image：要保存的 NumPy 数组图像。
python success = cv2.imwrite('output/gray_image.png', img_gray) if success: print("灰度图像保存成功！") else: print("灰度图像保存失败。")

五、颜色空间转换 (cv2.cvtColor)

虽然 OpenCV 默认使用 BGR，但很多其他库（如 Matplotlib）或应用场景（如颜色检测）可能需要 RGB、HSV、HLS 或灰度等不同的颜色空间。

cv2.cvtColor(src, code)：转换图像的颜色空间。
- src：源图像。
- code：转换代码，例如：
  - cv2.COLOR_BGR2GRAY：BGR 到灰度。
  - cv2.COLOR_BGR2RGB：BGR 到 RGB。
  - cv2.COLOR_BGR2HSV：BGR 到 HSV。
  - cv2.COLOR_RGB2BGR：RGB 到 BGR。
  - cv2.COLOR_GRAY2BGR：灰度到 BGR（会复制灰度值到三个通道）。

“`python
img_rgb = cv2.cvtColor(img_color, cv2.COLOR_BGR2RGB)
img_hsv = cv2.cvtColor(img_color, cv2.COLOR_BGR2HSV)

注意：如果使用 Matplotlib 显示 OpenCV 加载的彩色图像，需要先转为 RGB

import matplotlib.pyplot as plt

plt.imshow(img_rgb)

plt.show()

“`

HSV (Hue, Saturation, Value) 颜色空间 对于基于颜色的对象分割特别有用，因为它将颜色信息（色调 H）与光照强度（饱和度 S，明度 V）分离开来。

六、基本图像操作

访问和修改像素值： 直接使用 NumPy 索引。
“`python
# 获取 (y, x) 处的像素值 (假设是彩色图像)
(b, g, r) = img_color[100, 50]
print(f”Pixel at (50, 100) – B:{b}, G:{g}, R:{r}”)

修改 (y, x) 处的像素值为白色

img_color[100, 50] = [255, 255, 255]

获取灰度图像 (y, x) 处的像素值

intensity = img_gray[100, 50]
print(f”Intensity at (50, 100): {intensity}”)

修改灰度值

img_gray[100, 50] = 0 # 设置为黑色
`` **注意：** 索引顺序是[行(y), 列(x)]`。直接访问像素效率较低，应尽量使用 OpenCV 的内置函数或 NumPy 的向量化操作。
获取图像属性： 已在第三节介绍 (shape, size, dtype)。
图像 ROI (Region of Interest)： 感兴趣区域，即图像的一个子区域。利用 NumPy 切片可以轻松获取 ROI。
“`python
# 选择从 (x1, y1) 到 (x2, y2) 的矩形区域
# 注意 NumPy 切片是 [y1:y2, x1:x2]
roi = img_color[100:200, 200:300] # 行从100到199，列从200到299
cv2.imshow(‘ROI’, roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

对 ROI 的修改会直接反映在原图上，因为 ROI 是原数组的一个视图 (View)

roi[:, :] = [0, 255, 0] # 将 ROI 区域变为绿色
cv2.imshow(‘Modified Original’, img_color)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果需要独立副本，使用 .copy()

roi_copy = img_color[100:200, 200:300].copy()
“`
拆分和合并颜色通道 (cv2.split, cv2.merge)
“`python
b, g, r = cv2.split(img_color) # 拆分为三个单通道灰度图像
cv2.imshow(‘Blue Channel’, b)
cv2.waitKey(0)

merged_img = cv2.merge((b, g, r)) # 重新合并通道
cv2.imshow(‘Merged Image’, merged_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以将某个通道置零

img_no_blue = img_color.copy()
img_no_blue[:, :, 0] = 0 # 将蓝色通道设置为 0
cv2.imshow(‘No Blue’, img_no_blue)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`
图像缩放 (cv2.resize)
- cv2.resize(src, dsize, fx=0, fy=0, interpolation=cv2.INTER_LINEAR)
  - src：输入图像。
  - dsize：目标尺寸 (width, height)。如果设置为 None，则尺寸由 fx 和 fy 决定。
  - fx, fy：沿 x 轴和 y 轴的缩放比例。如果 dsize 不是 None，则忽略这两个参数。
  - interpolation：插值方法，常用的有：
    - cv2.INTER_NEAREST：最近邻插值（速度快，效果差）。
    - cv2.INTER_LINEAR：双线性插值（默认，常用）。
    - cv2.INTER_CUBIC：双三次插值（效果更好，速度较慢）。
    - cv2.INTER_AREA：区域插值（用于缩小图像，效果好）。
“`python
height, width = img_color.shape[:2]

按绝对尺寸缩放

resized_abs = cv2.resize(img_color, (int(width0.5), int(height0.5)), interpolation=cv2.INTER_AREA)

按比例缩放

resized_rel = cv2.resize(img_color, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)

cv2.imshow(‘Original’, img_color)
cv2.imshow(‘Resized Absolute’, resized_abs)
cv2.imshow(‘Resized Relative’, resized_rel)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`
图像旋转与平移（仿射变换 cv2.warpAffine）
平移、旋转、缩放等几何变换可以通过仿射变换实现。这需要定义一个 2×3 的变换矩阵 M。
- 平移：
  python rows, cols = img_color.shape[:2] tx, ty = 100, 50 # 向右平移 100 像素，向下平移 50 像素 M_trans = np.float32([[1, 0, tx], [0, 1, ty]]) img_translated = cv2.warpAffine(img_color, M_trans, (cols, rows)) cv2.imshow('Translated', img_translated) cv2.waitKey(0) cv2.destroyAllWindows()
- 旋转： OpenCV 提供了更方便的函数 cv2.getRotationMatrix2D 来生成旋转矩阵。
  python center = (cols // 2, rows // 2) # 旋转中心 angle = 45 # 旋转角度（逆时针为正） scale = 1.0 # 缩放因子 M_rot = cv2.getRotationMatrix2D(center, angle, scale) img_rotated = cv2.warpAffine(img_color, M_rot, (cols, rows)) cv2.imshow('Rotated', img_rotated) cv2.waitKey(0) cv2.destroyAllWindows()
在图像上绘制图形和文字
OpenCV 提供了绘制线段、矩形、圆形、椭圆、多边形和文字的功能。这些函数会直接修改输入的图像。
- cv2.line(img, pt1, pt2, color, thickness)
- cv2.rectangle(img, pt1, pt2, color, thickness) (pt1: 左上角, pt2: 右下角)
- cv2.circle(img, center, radius, color, thickness) (thickness=-1 表示填充)
- cv2.putText(img, text, org, fontFace, fontScale, color, thickness, lineType)
“`python
draw_img = img_color.copy() # 创建副本进行绘制

绘制绿色直线

cv2.line(draw_img, (0, 0), (cols//2, rows//2), (0, 255, 0), 5) # BGR

绘制蓝色矩形

cv2.rectangle(draw_img, (100, 100), (300, 250), (255, 0, 0), 3)

绘制红色填充圆形

cv2.circle(draw_img, (400, 150), 50, (0, 0, 255), -1)

添加文字

font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(draw_img, ‘OpenCV Basics’, (50, 350), font, 1.5, (255, 255, 255), 2, cv2.LINE_AA)

cv2.imshow(‘Drawing Demo’, draw_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`

七、核心图像处理技术

阈值处理 (cv2.threshold, cv2.adaptiveThreshold)
阈值处理是图像分割的一种简单而有效的方法，用于将图像转换为二值图像（只有两种像素值，通常是黑和白）。
- 简单阈值 (cv2.threshold)： 全局应用一个阈值。
  “`python
  # ret: 实际使用的阈值（对于 Otsu 方法有用）
  # thresholded_img: 输出的二值图像
  ret, thresh_binary = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
  # >127 的像素变为 255 (maxval), <=127 的变为 0
  ret, thresh_binary_inv = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY_INV)
  # >127 的像素变为 0, <=127 的变为 255
  
  Otsu’s Binarization: 自动寻找最优阈值（假设图像直方图有双峰）
  
  ret_otsu, thresh_otsu = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  
  cv2.imshow(‘Binary Threshold’, thresh_binary)
  cv2.imshow(‘Otsu Threshold’, thresh_otsu)
  cv2.waitKey(0)
  cv2.destroyAllWindows()
  * **自适应阈值 (`cv2.adaptiveThreshold`)：** 对图像不同区域使用不同的阈值，适用于光照不均的图像。python
  
  cv2.ADAPTIVE_THRESH_MEAN_C: 邻域均值
  
  cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 邻域高斯加权和
  
  blockSize: 计算阈值的邻域大小 (必须是奇数)
  
  C: 从均值或加权和中减去的常数
  
  thresh_adaptive_mean = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C,
  cv2.THRESH_BINARY, 11, 2)
  thresh_adaptive_gaussian = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
  cv2.THRESH_BINARY, 11, 2)
  cv2.imshow(‘Adaptive Mean’, thresh_adaptive_mean)
  cv2.imshow(‘Adaptive Gaussian’, thresh_adaptive_gaussian)
  cv2.waitKey(0)
  cv2.destroyAllWindows()
  “`
图像平滑/模糊 (cv2.blur, cv2.GaussianBlur, cv2.medianBlur, cv2.bilateralFilter)
用于降噪和模糊图像。
- 均值滤波 (cv2.blur)： 用邻域像素的平均值代替中心像素。
- 高斯滤波 (cv2.GaussianBlur)： 用高斯核进行加权平均，离中心越近的像素权重越大。对高斯噪声效果好。
- 中值滤波 (cv2.medianBlur)： 用邻域像素的中值代替中心像素。对椒盐噪声效果极佳。
- 双边滤波 (cv2.bilateralFilter)： 在平滑的同时保持边缘清晰。考虑了空间距离和像素值差异。
“`python

核大小，必须是正奇数

kernel_size = (5, 5)

blurred_avg = cv2.blur(img_color, kernel_size)
blurred_gaussian = cv2.GaussianBlur(img_color, kernel_size, 0) # sigmaX=0, OpenCV 会自动计算

中值滤波的核大小是一个整数 k, 表示 kxk 的核

blurred_median = cv2.medianBlur(img_color, 5)

双边滤波参数: d(邻域直径), sigmaColor(颜色空间标准差), sigmaSpace(坐标空间标准差)

blurred_bilateral = cv2.bilateralFilter(img_color, 9, 75, 75)

cv2.imshow(‘Gaussian Blur’, blurred_gaussian)
cv2.imshow(‘Median Blur’, blurred_median)
cv2.imshow(‘Bilateral Filter’, blurred_bilateral)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`
形态学操作 (cv2.erode, cv2.dilate, cv2.morphologyEx)
基于形状的图像处理技术，通常作用于二值图像。需要定义一个结构元素 (Structuring Element)。
- 腐蚀 (cv2.erode)： “收缩” 物体边界，可以去除小的噪点。
- 膨胀 (cv2.dilate)： “扩张” 物体边界，可以填充物体内部的小孔洞，连接断开的区域。
- 开运算 (cv2.MORPH_OPEN)： 先腐蚀后膨胀。去除小的噪点（类似腐蚀），同时基本保持物体大小（类似膨胀）。
- 闭运算 (cv2.MORPH_CLOSE)： 先膨胀后腐蚀。填充物体内部的小孔洞，连接邻近物体（类似膨胀），同时基本保持物体大小（类似腐蚀）。
- 形态学梯度 (cv2.MORPH_GRADIENT)： 膨胀图减腐蚀图，得到物体轮廓。
- 顶帽 (cv2.MORPH_TOPHAT)： 原图减开运算图，得到噪声或小亮点。
- 黑帽 (cv2.MORPH_BLACKHAT)： 闭运算图减原图，得到物体内部的小孔洞或暗点。
“`python

创建结构元素 (例如 5×5 的矩形)

kernel = np.ones((5, 5), np.uint8)

或者使用 cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

cv2.MORPH_ELLIPSE, cv2.MORPH_CROSS

img_binary = thresh_otsu # 使用前面得到的二值图

eroded = cv2.erode(img_binary, kernel, iterations=1)
dilated = cv2.dilate(img_binary, kernel, iterations=1)
opened = cv2.morphologyEx(img_binary, cv2.MORPH_OPEN, kernel)
closed = cv2.morphologyEx(img_binary, cv2.MORPH_CLOSE, kernel)
gradient = cv2.morphologyEx(img_binary, cv2.MORPH_GRADIENT, kernel)

cv2.imshow(‘Original Binary’, img_binary)
cv2.imshow(‘Eroded’, eroded)
cv2.imshow(‘Dilated’, dilated)
cv2.imshow(‘Opened’, opened)
cv2.imshow(‘Closed’, closed)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`
边缘检测 (Canny 算法 cv2.Canny)
Canny 是最常用、效果也较好的边缘检测算法之一。
- cv2.Canny(image, threshold1, threshold2)
  - image：通常是灰度图。
  - threshold1, threshold2：低阈值和高阈值（用于滞后阈值处理）。梯度大于 threshold2 的像素被视为强边缘，梯度在两者之间的像素如果连接到强边缘则被视为边缘。推荐 threshold2 是 threshold1 的 2 到 3 倍。
python edges = cv2.Canny(img_gray, 100, 200) # 调整阈值观察效果 cv2.imshow('Canny Edges', edges) cv2.waitKey(0) cv2.destroyAllWindows()
轮廓检测与绘制 (cv2.findContours, cv2.drawContours)
轮廓可以看作是连接了所有具有相同颜色或强度的连续点的曲线。常用于物体检测和识别。
- cv2.findContours(image, mode, method)
  - image：通常是二值图像（Canny 边缘图或阈值图）。注意：此函数会修改源图像，如果需要保留原图，请传入副本 (image.copy())。
  - mode：轮廓检索模式。常用：
    - cv2.RETR_EXTERNAL：只检索最外层轮廓。
    - cv2.RETR_LIST：检索所有轮廓，不建立父子关系。
    - cv2.RETR_TREE：检索所有轮廓，并建立完整的层级结构。
  - method：轮廓逼近方法。常用：
    - cv2.CHAIN_APPROX_NONE：存储所有轮廓点。
    - cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线段，只存储端点。节省内存。
  - 返回值： contours (轮廓列表，每个轮廓是点的 NumPy 数组), hierarchy (轮廓间的层级关系)。在新版 OpenCV (4.x+) 中，返回值可能只有 contours 和 hierarchy 两项。
- cv2.drawContours(image, contours, contourIdx, color, thickness)
  - image：在其上绘制轮廓的图像（通常是原彩色图）。
  - contours：findContours 返回的轮廓列表。
  - contourIdx：要绘制的轮廓索引（-1 表示绘制所有轮廓）。
  - color, thickness：绘制的颜色和线条粗细。
“`python

使用 Canny 边缘图查找轮廓

contours, hierarchy = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
print(f”找到了 {len(contours)} 个外部轮廓。”)

在原彩色图上绘制轮廓

contour_img = img_color.copy()
cv2.drawContours(contour_img, contours, -1, (0, 255, 0), 2) # 绘制所有轮廓，绿色，粗细为 2

cv2.imshow(‘Contours’, contour_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

还可以计算轮廓的面积、周长、边界框、最小外接圆/矩形等

for cnt in contours:

area = cv2.contourArea(cnt)

perimeter = cv2.arcLength(cnt, True) # True表示闭合轮廓

x, y, w, h = cv2.boundingRect(cnt) # 边界框

cv2.rectangle(contour_img, (x, y), (x+w, y+h), (0, 0, 255), 1)

“`
直方图 (cv2.calcHist, Matplotlib 可视化)
图像直方图是像素强度分布的图形表示。
- cv2.calcHist([images], [channels], mask, [histSize], ranges)
  - [images]: 源图像列表 (用方括号括起来)。
  - [channels]: 要计算直方图的通道索引列表。灰度图是 [0]，彩色图 BGR 分别是 [0], [1], [2]。
  - mask: 掩码图像 (可选，只统计掩码区域)。
  - [histSize]: BINS 的数量 (每个维度)。例如 [256]。
  - ranges: 像素值范围。例如 [0, 256] (不包括 256)。
“`python
import matplotlib.pyplot as plt

计算灰度直方图

hist_gray = cv2.calcHist([img_gray], [0], None, [256], [0, 256])

计算彩色图像各通道直方图

color = (‘b’, ‘g’, ‘r’)
plt.figure()
plt.title(‘Color Histogram’)
plt.xlabel(‘Bins’)
plt.ylabel(‘# of Pixels’)
for i, col in enumerate(color):
hist_color = cv2.calcHist([img_color], [i], None, [256], [0, 256])
plt.plot(hist_color, color=col)
plt.xlim([0, 256])

plt.figure()
plt.title(‘Grayscale Histogram’)
plt.xlabel(‘Bins’)
plt.ylabel(‘# of Pixels’)
plt.plot(hist_gray)
plt.xlim([0, 256])

plt.show()

直方图均衡化 (改善对比度)

equ_gray = cv2.equalizeHist(img_gray)
cv2.imshow(‘Original Gray’, img_gray)
cv2.imshow(‘Equalized Gray’, equ_gray)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`

八、处理视频

OpenCV 可以轻松处理视频文件或来自摄像头的实时视频流。视频本质上是连续的图像帧序列。

从摄像头捕获 (cv2.VideoCapture(0))
0 通常代表默认的内置摄像头。如果有多个摄像头，可以尝试 1, 2 等。
从视频文件读取 (cv2.VideoCapture('video.mp4'))
指定视频文件路径。

“`python

从摄像头捕获

cap = cv2.VideoCapture(0)

或者从文件读取

cap = cv2.VideoCapture(‘my_video.avi’)

if not cap.isOpened():
print(“错误：无法打开视频源”)
exit()

while True:
# 逐帧读取
# ret: 读取是否成功 (True/False)
# frame: 读取到的当前帧 (NumPy 数组)
ret, frame = cap.read()

# 如果正确读取帧 ret 为 True
if not ret:
    print("无法接收帧 (视频流结束?)。正在退出...")
    break

# 在这里对 frame 进行处理 (例如转灰度, Canny边缘检测等)
gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
edges_frame = cv2.Canny(gray_frame, 50, 150)

# 显示处理后的帧
cv2.imshow('Original Video', frame)
cv2.imshow('Edges Video', edges_frame)

# 按 'q' 键退出循环
# waitKey(1) 等待 1ms, 使得视频能正常播放，同时也检测按键
if cv2.waitKey(1) == ord('q'):
    break

释放资源

cap.release()
cv2.destroyAllWindows()
“`

保存视频 (cv2.VideoWriter)
需要指定输出文件名、编解码器 (FourCC)、帧率 (fps) 和帧大小。

“`python

…（在 cap = cv2.VideoCapture(0) 之后）…

frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = int(cap.get(cv2.CAP_PROP_FPS)) # 获取原始帧率可能不准确，有时需手动设置

定义编解码器并创建 VideoWriter 对象

FourCC 是一个4字节码，用于指定视频编解码器

常见: ‘XVID’, ‘MJPG’, ‘MP4V’, ‘DIVX’ (可能需安装对应解码器)

在 Windows 上 ‘XVID’ 通常可用，在 Linux/macOS 上 ‘MJPG’ 或 ‘MP4V’ 可能更好

fourcc = cv2.VideoWriter_fourcc(*’XVID’)
out = cv2.VideoWriter(‘output/output_video.avi’, fourcc, 20.0, (frame_width, frame_height)) # 使用 20fps 保存

…（在 while 循环内部，处理完 frame 之后）…

if ret:
# 写入处理后的帧 (确保写入的帧尺寸与 VideoWriter 初始化时一致)
# 如果处理改变了尺寸或通道数，需要调整
# 例如，如果想保存灰度视频，需要先将 gray_frame 转回 BGR
# gray_bgr_frame = cv2.cvtColor(gray_frame, cv2.COLOR_GRAY2BGR)
# out.write(gray_bgr_frame)
```
# 保存原始彩色帧
out.write(frame)

cv2.imshow('Frame', frame)
if cv2.waitKey(1) == ord('q'):
    break
```
else:
break

…（在循环结束后）…

cap.release()
out.release() # 释放 VideoWriter 对象
cv2.destroyAllWindows()
“`

九、进阶之路：下一步学什么？

掌握了以上基础知识和核心概念后，您已经具备了使用 OpenCV Python 进行基本计算机视觉任务的能力。后续可以深入探索以下方向：

特征检测与匹配： SIFT, SURF, ORB, AKAZE 等算法，用于图像匹配、目标跟踪、全景拼接。
目标检测：
- 传统方法： Haar 级联分类器, HOG (Histogram of Oriented Gradients)。
- 深度学习方法： SSD (Single Shot MultiBox Detector), YOLO (You Only Look Once), Faster R-CNN 等，通常需要结合 TensorFlow, PyTorch 等框架。
图像分割： GrabCut, 分水岭算法, 以及基于深度学习的语义分割、实例分割。
光流估计： 跟踪视频中像素点的运动。
机器学习集成： 使用 OpenCV 内置的 SVM, K-Means 等，或结合 Scikit-learn 进行更复杂的分类、聚类任务。
3D 视觉： 相机标定, 立体视觉, Structure from Motion (SfM)。
性能优化： 利用 T-API (Transparent API) 加速，或直接在 C++ 中实现性能关键部分。

结语

OpenCV Python 是一个强大而迷人的工具，它为我们打开了理解和交互视觉世界的大门。本文从环境搭建、核心概念（图像即 NumPy 数组）、基础操作（读写、显示、颜色、几何变换、绘图）到核心图像处理技术（阈值、滤波、形态学、边缘、轮廓、直方图）以及视频处理，为您构建了一个相对完整的知识框架。

学习计算机视觉是一个持续实践和探索的过程。最重要的不是记住所有函数的参数，而是理解每个操作背后的原理、适用场景以及它们如何组合起来解决实际问题。动手编写代码，处理不同的图像和视频，尝试各种参数组合，是巩固知识、提升技能的最佳途径。希望本文能成为您 OpenCV Python 学习道路上的坚实起点，祝您在计算机视觉的奇妙世界中探索愉快！

创建一个 100×200 的黑色灰度图像

创建一个 100×200 的蓝色 BGR 彩色图像

B=255, G=0, R=0

访问图像属性

注意：如果使用 Matplotlib 显示 OpenCV 加载的彩色图像，需要先转为 RGB

import matplotlib.pyplot as plt

plt.imshow(img_rgb)

plt.show()

修改 (y, x) 处的像素值为白色

获取灰度图像 (y, x) 处的像素值

修改灰度值

对 ROI 的修改会直接反映在原图上，因为 ROI 是原数组的一个视图 (View)

如果需要独立副本，使用 .copy()

可以将某个通道置零

按绝对尺寸缩放

按比例缩放

绘制绿色直线

绘制蓝色矩形

绘制红色填充圆形

添加文字

Otsu’s Binarization: 自动寻找最优阈值（假设图像直方图有双峰）

cv2.ADAPTIVE_THRESH_MEAN_C: 邻域均值

cv2.ADAPTIVE_THRESH_GAUSSIAN_C: 邻域高斯加权和

blockSize: 计算阈值的邻域大小 (必须是奇数)

C: 从均值或加权和中减去的常数

核大小，必须是正奇数

中值滤波的核大小是一个整数 k, 表示 kxk 的核

双边滤波参数: d(邻域直径), sigmaColor(颜色空间标准差), sigmaSpace(坐标空间标准差)

创建结构元素 (例如 5×5 的矩形)

或者使用 cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))

cv2.MORPH_ELLIPSE, cv2.MORPH_CROSS

使用 Canny 边缘图查找轮廓

在原彩色图上绘制轮廓

还可以计算轮廓的面积、周长、边界框、最小外接圆/矩形等

for cnt in contours:

area = cv2.contourArea(cnt)

perimeter = cv2.arcLength(cnt, True) # True表示闭合轮廓

x, y, w, h = cv2.boundingRect(cnt) # 边界框

cv2.rectangle(contour_img, (x, y), (x+w, y+h), (0, 0, 255), 1)

计算灰度直方图

计算彩色图像各通道直方图

直方图均衡化 (改善对比度)

从摄像头捕获

或者从文件读取

cap = cv2.VideoCapture(‘my_video.avi’)

释放资源

…（在 cap = cv2.VideoCapture(0) 之后）…

定义编解码器并创建 VideoWriter 对象

FourCC 是一个4字节码，用于指定视频编解码器

常见: ‘XVID’, ‘MJPG’, ‘MP4V’, ‘DIVX’ (可能需安装对应解码器)

在 Windows 上 ‘XVID’ 通常可用，在 Linux/macOS 上 ‘MJPG’ 或 ‘MP4V’ 可能更好

…（在 while 循环内部，处理完 frame 之后）…

…（在循环结束后）…

发表评论 取消回复

发表评论取消回复