Python OpenCV 新手指南 – wiki基地

作者： /

Python OpenCV 新手入门指南：零基础带你玩转图像处理

欢迎来到激动人心的计算机视觉世界！如果你对图像处理、视频分析或任何与“让计算机看懂世界”相关的技术感兴趣，那么 OpenCV 绝对是你不可错过的强大工具。而将 OpenCV 与易学易用的 Python 语言结合，更是让你事半功倍。

本指南旨在帮助完全没有 OpenCV 或计算机视觉基础的 Python 开发者快速上手。我们将从环境搭建开始，逐步深入 OpenCV 的核心概念和基本操作，带你亲自动手处理图像和视频。

预计阅读时间： 15-20 分钟
目标读者： 对计算机视觉感兴趣的 Python 初学者

引言：什么是 OpenCV？为什么选择 Python？

OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉和机器学习软件库。它拥有超过2500个优化过的算法，涵盖了计算机视觉领域的诸多方面，例如：

  • 图像和视频的读取、写入和显示
  • 基本的图像处理（滤波、边缘检测、形态学操作等）
  • 特征检测与匹配
  • 目标检测（如人脸检测）
  • 目标跟踪
  • 相机标定
  • 三维重建
  • 机器学习算法（K-Means、SVM 等）

OpenCV 最初由 Intel 开发，现在由 Willow Garage 和 Itseez（已被 Intel 收购）维护，并在 Apache 2 License 下提供，可以免费用于学术和商业用途。

为什么选择 Python 与 OpenCV 结合？

Python 语言以其简洁的语法和丰富的库生态系统而闻名。将 Python 与 OpenCV 结合有以下显著优势：

  1. 易于学习和使用： Python 代码易于阅读和编写，大大降低了计算机视觉的入门门槛。
  2. 快速原型开发： Python 的交互式特性和强大的库支持（如 NumPy, Matplotlib）使得快速测试和迭代想法变得非常容易。
  3. 丰富的生态系统： Python 拥有庞大的科学计算和数据处理库，可以方便地与 OpenCV 集成，例如使用 NumPy 进行图像数据操作，使用 Matplotlib 进行可视化。
  4. 社区支持： Python 和 OpenCV 都有庞大的用户社区，遇到问题时很容易找到解决方案。

虽然 OpenCV 库的核心算法通常由 C++ 实现以保证性能，但 Python 接口提供了极大的便利性，对于大多数应用而言，Python 的性能已经足够。

第一步：环境搭建

开始之前，你需要确保系统中已经安装了 Python。推荐使用 Python 3.6 或更高版本。

安装 Python OpenCV 库非常简单，只需使用 Python 的包管理器 pip：

打开终端或命令提示符，运行以下命令：

bash
pip install opencv-python

如果你需要访问一些额外的非免费或 contrib 模块（比如 SIFT、SURF 等专利算法，尽管新版本中 SIFT/SURF 已开源），可以安装 opencv-contrib-python：

bash
pip install opencv-contrib-python
对于新手，opencv-python 通常已经足够。

验证安装：

安装完成后，可以在 Python 解释器中测试是否安装成功：

python
import cv2
print(cv2.__version__)

如果成功打印出 OpenCV 的版本号，说明安装成功！

第二步：核心概念 – 图像与 NumPy 数组

在 OpenCV 中，图像被表示为 NumPy 数组。这是理解 OpenCV 操作的基础。

  • 图像是多维数组： 一张彩色图像是一个三维 NumPy 数组，维度通常是 (高度, 宽度, 通道数)。一张灰度图像是一个二维 NumPy 数组，维度是 (高度, 宽度)。
  • 通道数：
    • 彩色图像通常有 3 个通道，代表颜色信息。
    • 重要提示： OpenCV 默认的颜色顺序是 BGR（蓝、绿、红），而不是常见的 RGB。这是一个常见的陷阱，请务必记住！
    • 灰度图像只有 1 个通道。
    • 带有透明度信息的图像（如 PNG）可能有 4 个通道（BGR + Alpha）。
  • 像素值： 数组中的每个元素代表一个像素的亮度或颜色值。
    • 对于 8 位图像（最常见），像素值范围通常是 0 到 255。
    • 数据类型通常是 uint8（无符号 8 位整数）。

理解图像是 NumPy 数组的好处在于，你可以直接使用 NumPy 提供的强大功能来操作图像数据，例如切片、索引、数学运算等。

第三步：加载、显示和保存图像

这是 OpenCV 最基本的操作。

1. 加载图像 (cv2.imread)

“`python
import cv2
import numpy as np

指定图像文件路径

请确保同目录下有这张图片，或者提供完整的路径

image_path = ‘my_image.jpg’

使用 cv2.imread() 加载图像

第一个参数是图像路径

第二个参数是读取方式：

cv2.IMREAD_COLOR 或 1: 加载彩色图像 (默认)

cv2.IMREAD_GRAYSCALE 或 0: 加载灰度图像

cv2.IMREAD_UNCHANGED 或 -1: 加载包含 Alpha 通道的原始图像

img = cv2.imread(image_path, cv2.IMREAD_COLOR)

检查图像是否成功加载

if img is None:
print(f”错误：无法加载图像文件 {image_path}”)
else:
print(f”图像加载成功，其 NumPy 数组形状为: {img.shape}”)
# img.shape 对于彩色图像是 (height, width, channels)
# img.shape 对于灰度图像是 (height, width)
“`

注意： 如果 cv2.imread 返回 None，说明文件路径不正确或文件损坏。

2. 显示图像 (cv2.imshow)

加载图像后，你需要一个窗口来显示它。

“`python

假设 img 已经成功加载

使用 cv2.imshow() 显示图像

第一个参数是窗口的名称 (字符串)

第二个参数是要显示的图像 (NumPy 数组)

cv2.imshow(‘我的第一张图像’, img)

cv2.waitKey() 是一个键盘绑定函数

它等待用户按下键盘上的任意键（参数为 0 时）

或等待指定的毫秒数（参数大于 0 时）

如果在指定的毫秒数内没有按键，函数返回 -1

这个函数是必须的，它让 OpenCV 窗口保持显示，并处理窗口事件

cv2.waitKey(0) # 等待无限长，直到用户按键

cv2.destroyAllWindows() 销毁所有 OpenCV 创建的窗口

cv2.destroyWindow(window_name) 可以销毁指定名称的窗口

cv2.destroyAllWindows()
“`

一个完整的加载和显示彩色图像的例子：

“`python
import cv2

image_path = ‘my_image.jpg’ # 替换成你的图片路径

img = cv2.imread(image_path, cv2.IMREAD_COLOR)

if img is None:
print(f”错误：无法加载图像文件 {image_path}”)
else:
cv2.imshow(‘彩色图像’, img)
print(“窗口已显示，请按任意键关闭…”)
cv2.waitKey(0)
cv2.destroyAllWindows()

“`

加载和显示灰度图像：

“`python
import cv2

image_path = ‘my_image.jpg’ # 替换成你的图片路径

img_gray = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)

if img_gray is None:
print(f”错误：无法加载图像文件 {image_path}”)
else:
cv2.imshow(‘灰度图像’, img_gray)
print(“窗口已显示，请按任意键关闭…”)
cv2.waitKey(0)
cv2.destroyAllWindows()

“`

3. 保存图像 (cv2.imwrite)

处理完图像后，你可能想将结果保存到文件。

“`python
import cv2

假设 img_processed 是你处理后的图像 NumPy 数组

output_path = ‘output_image.png’ # 指定输出文件路径和格式

使用 cv2.imwrite() 保存图像

第一个参数是保存路径和文件名（根据文件扩展名自动确定格式）

第二个参数是要保存的图像 (NumPy 数组)

success = cv2.imwrite(output_path, img_processed)

if success:
print(f”图像已成功保存到 {output_path}”)
else:
print(f”保存图像到 {output_path} 失败”)

“`

cv2.imwrite 支持多种格式，如 .jpg, .png, .bmp, .tif 等，OpenCV 会根据文件扩展名选择相应的编码器。

第四步：图像基础操作

了解了图像的加载、显示和保存，接下来我们看看一些基本的图像操作。

1. 访问和修改像素值

由于图像是 NumPy 数组，你可以直接使用 NumPy 的索引来访问和修改像素。

“`python
import cv2
import numpy as np

image_path = ‘my_image.jpg’
img = cv2.imread(image_path, cv2.IMREAD_COLOR)

if img is not None:
# 访问彩色图像的像素：img[行, 列] 返回该像素的 BGR 数组 [B, G, R]
# 注意：OpenCV 使用 (行, 列) 的坐标顺序，对应 NumPy 的 (y, x)
pixel_color = img[100, 150] # 访问 (150, 100) 坐标处的像素 (列150, 行100)
print(f”彩色图像 (150, 100) 处的像素 BGR 值: {pixel_color}”)

# 访问灰度图像的像素：img_gray[行, 列] 返回该像素的灰度值
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
pixel_gray = img_gray[100, 150]
print(f"灰度图像 (150, 100) 处的像素灰度值: {pixel_gray}")

# 修改彩色图像的像素：将 (50, 50) 处的像素设为红色 (B=0, G=0, R=255)
img[50, 50] = [0, 0, 255] # [B, G, R]

# 修改一块区域的像素：将左上角 50x50 的区域设为蓝色
img[0:50, 0:50] = [255, 0, 0] # [B, G, R]

# 注意：直接逐像素访问和修改效率较低，适合少量操作。
# 对于大批量操作，应尽量使用 OpenCV 的内置函数或 NumPy 的数组操作。

cv2.imshow('修改像素后的图像', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(f”错误：无法加载图像文件 {image_path}”)
“`

2. 获取图像属性

可以通过 NumPy 数组的属性获取图像的各种信息：

“`python

假设 img 已经加载

if img is not None:
print(f”图像形状 (高, 宽, 通道数): {img.shape}”)
print(f”像素总数: {img.size}”) # 高 * 宽 * 通道数
print(f”图像数据类型: {img.dtype}”) # 例如 uint8

# 获取图像的高度和宽度
height, width = img.shape[:2] # 使用切片 [0:2] 或 [:2] 获取前两个维度 (高, 宽)
print(f"图像高度: {height}, 图像宽度: {width}")

if img.ndim == 3: # 检查是否是彩色图像 (3 维度)
    channels = img.shape[2]
    print(f"图像通道数: {channels}")

“`

3. 图像裁剪 (Cropping)

裁剪图像就是从 NumPy 数组中提取一个子区域，这通过 NumPy 的切片操作实现：

“`python

假设 img 已经加载

if img is not None:
# 裁剪图像： img[起始行:结束行, 起始列:结束列]
# 注意：NumPy 切片是 [start, end)，不包含 end
# 例如：img[100:300, 200:400] 会提取 从 第100行到第299行，从第200列到第399列 的区域

# 裁剪出一块区域，例如从 (100, 50) 点开始，向下 200 像素，向右 300 像素
start_row, start_col = 100, 50
end_row, end_col = start_row + 200, start_col + 300

cropped_img = img[start_row:end_row, start_col:end_col]

cv2.imshow('原始图像', img)
cv2.imshow('裁剪后的图像', cropped_img)
print("窗口已显示，请按任意键关闭...")
cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(f”错误：无法加载图像文件 {image_path}”)

“`

4. 图像缩放 (Resizing)

改变图像的尺寸是一个非常常见的操作。使用 cv2.resize() 函数。

“`python

假设 img 已经加载

if img is not None:
# 定义新的尺寸 (宽度, 高度)
# 注意：resize 函数的尺寸参数是 (宽度, 高度)，与 shape 的 (高度, 宽度) 相反
new_width = 300
new_height = 200
new_dim = (new_width, new_height)

# 使用 cv2.resize() 进行缩放
# 插值方法 (interpolation) 选择：
# cv2.INTER_AREA: 图像缩小时推荐
# cv2.INTER_CUBIC: 图像放大时推荐 (较慢)
# cv2.INTER_LINEAR: 默认方法，图像放大时较快
resized_img = cv2.resize(img, new_dim, interpolation = cv2.INTER_AREA)

# 也可以根据比例缩放
# fx, fy 分别是沿水平和垂直方向的比例因子
scale_factor = 0.5 # 缩小到原来的一半
resized_img_scale = cv2.resize(img, None, fx=scale_factor, fy=scale_factor, interpolation = cv2.INTER_LINEAR)


print(f"原图尺寸: {img.shape[:2]}")
print(f"固定尺寸缩放后尺寸: {resized_img.shape[:2]}")
print(f"比例缩放后尺寸: {resized_img_scale.shape[:2]}")

cv2.imshow('原始图像', img)
cv2.imshow('缩放图像 (固定尺寸)', resized_img)
cv2.imshow('缩放图像 (比例)', resized_img_scale)
print("窗口已显示，请按任意键关闭...")
cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(f”错误：无法加载图像文件 {image_path}”)

“`

第五步：颜色空间转换

图像通常以 BGR 或 RGB 颜色空间表示。但有时为了特定的处理目的，我们需要将图像转换到其他颜色空间，最常见的是灰度图像和 HSV 图像。

HSV (Hue, Saturation, Value) 颜色空间更符合人类感知颜色的方式，它将颜色信息（色相 Hue）、颜色纯度（饱和度 Saturation）和亮度（明度 Value）分离开来，这在基于颜色的目标检测或分割中非常有用。

使用 cv2.cvtColor() 函数进行颜色空间转换。

“`python
import cv2

image_path = ‘my_image.jpg’
img = cv2.imread(image_path) # 默认加载彩色图像

if img is not None:
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 转换为 HSV 图像
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 显示结果
cv2.imshow('原始图像 (BGR)', img)
cv2.imshow('灰度图像', gray_img)
cv2.imshow('HSV 图像', hsv_img) # 注意 HSV 图像直接显示看起来怪怪的，因为 imshow 默认按 BGR 或灰度解释

print("窗口已显示，请按任意键关闭...")
cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(f”错误：无法加载图像文件 {image_path}”)

“`

cv2.cvtColor 支持非常多的颜色空间转换，详细列表可以查阅 OpenCV 文档。常用的转换码包括：

  • cv2.COLOR_BGR2GRAY：BGR 到灰度
  • cv2.COLOR_GRAY2BGR：灰度到 BGR (用于将灰度图转换为彩色图，例如方便在上面绘制彩色图形)
  • cv2.COLOR_BGR2HSV：BGR 到 HSV
  • cv2.COLOR_HSV2BGR：HSV 到 BGR
  • cv2.COLOR_BGR2RGB：BGR 到 RGB (有时需要与 Matplotlib 等库兼容)
  • cv2.COLOR_RGB2BGR：RGB 到 BGR

第六步：在图像上绘制图形和文字

OpenCV 提供了一系列函数，可以在图像上绘制线条、矩形、圆形等多图形以及添加文本。

重要： 绘制函数通常会直接修改原始图像数组。如果你想保留原始图像，请在绘制前创建一个副本 (img.copy())。

“`python
import cv2
import numpy as np

image_path = ‘my_image.jpg’
img = cv2.imread(image_path)

if img is not None:
# 创建一个副本进行绘制
img_drawn = img.copy()

# 绘制直线
# cv2.line(图像, 起始点坐标, 结束点坐标, 颜色, 线条粗细)
# 坐标是 (x, y) 元组
# 颜色是 (B, G, R) 元组
cv2.line(img_drawn, (50, 50), (200, 50), (0, 255, 0), 2) # 绿色水平线

# 绘制矩形
# cv2.rectangle(图像, 左上角坐标, 右下角坐标, 颜色, 线条粗细)
# 如果线条粗细是 -1，则绘制实心矩形
cv2.rectangle(img_drawn, (50, 100), (200, 200), (255, 0, 0), 3) # 蓝色矩形框

# 绘制圆形
# cv2.circle(图像, 圆心坐标, 半径, 颜色, 线条粗细)
# 如果线条粗细是 -1，则绘制实心圆形
cv2.circle(img_drawn, (300, 150), 50, (0, 0, 255), -1) # 红色实心圆

# 绘制文字
# cv2.putText(图像, 文字内容, 起始坐标, 字体, 字体大小, 颜色, 线条粗细, 线条类型)
# 起始坐标是文字基线（baseline）的左下角
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img_drawn, 'Hello OpenCV!', (50, 300), font, 1, (255, 255, 255), 2, cv2.LINE_AA) # 白色文字

# 显示绘制结果
cv2.imshow('绘制图形和文字', img_drawn)
print("窗口已显示，请按任意键关闭...")
cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(f”错误：无法加载图像文件 {image_path}”)

“`

第七步：处理视频和摄像头

OpenCV 不仅能处理静态图像，还能轻松处理视频流，无论是读取视频文件还是捕获摄像头输入。

1. 读取视频文件或摄像头

使用 cv2.VideoCapture() 创建一个视频捕获对象。

“`python
import cv2

参数可以是视频文件路径，或者摄像头的设备索引

通常 0 代表默认摄像头，如果有多个摄像头，可能是 1, 2 等

cap = cv2.VideoCapture(‘my_video.mp4’) # 读取视频文件

cap = cv2.VideoCapture(0) # 捕获默认摄像头

检查是否成功打开

if not cap.isOpened():
print(“错误：无法打开视频源或摄像头”)
else:
print(“视频源/摄像头已打开”)

# 可以获取视频的一些属性，例如帧宽、帧高、帧率等
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
print(f"帧宽度: {frame_width}, 帧高度: {frame_height}, 帧率: {fps}")

# 循环读取视频帧
while True:
    # cap.read() 读取下一帧
    # ret 是一个布尔值，表示是否成功读取帧
    # frame 是读取到的帧图像 (一个 NumPy 数组)
    ret, frame = cap.read()

    # 如果没有成功读取帧，可能是视频结束或出错
    if not ret:
        print("无法读取(更多)帧，退出。")
        break

    # 在这里可以对每一帧进行图像处理
    # 例如，将帧转换为灰度
    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 显示处理后的帧
    cv2.imshow('视频流 (原始)', frame)
    cv2.imshow('视频流 (灰度)', gray_frame)

    # 设置退出条件：等待 1 毫秒，如果按下 'q' 键，则退出循环
    # waitKey(1) 表示每隔 1 毫秒检查一次按键
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频捕获对象和销毁所有窗口
cap.release()
cv2.destroyAllWindows()

“`

这个例子实现了一个简单的摄像头预览功能，同时将每一帧转换为灰度并显示。你可以将之前学习的各种图像处理操作应用到 frame 变量上。

第八步：进阶之路 (Beyond the Basics)

本指南涵盖了 OpenCV 的最基本概念和操作，为你打开了计算机视觉的大门。OpenCV 的功能远不止于此。一旦你掌握了这些基础，可以继续探索：

  • 图像滤波： 平滑（模糊）、锐化、边缘检测（Sobel, Canny 等）。
  • 形态学操作： 腐蚀、膨胀、开运算、闭运算等，常用于处理二值图像。
  • 阈值分割： 将灰度图像转换为二值图像。
  • 轮廓检测与分析： 寻找图像中的对象边界。
  • 特征检测： SIFT, SURF (在新版本中已开源), ORB 等，用于识别图像中的关键点。
  • 目标检测： Haar Cascades (常用于人脸检测), HOG + SVM, 以及集成深度学习模型（如 YOLO, SSD）。
  • 目标跟踪： 跟踪视频中的特定对象。
  • 相机标定和姿态估计。
  • 图像拼接、立体视觉、增强现实。

学习这些更高级的功能通常需要结合一些数学知识（如线性代数、概率论）以及对算法原理的理解，但这正是计算机视觉的魅力所在。

总结

恭喜你！走到这里，你已经迈出了使用 Python 和 OpenCV 进行图像处理的第一步。我们学习了：

  • 安装 Python OpenCV 库。
  • 理解图像是 NumPy 数组这一核心概念。
  • 如何加载、显示和保存图像。
  • 进行基本的图像操作，如访问像素、裁剪和缩放。
  • 进行颜色空间转换。
  • 在图像上绘制图形和文字。
  • 处理视频和摄像头输入。

这只是冰山一角。计算机视觉是一个广阔而活跃的领域。最重要的是多实践、多尝试。从简单的项目开始，比如：

  • 检测图像中的特定颜色。
  • 对图像应用不同的滤镜效果。
  • 在摄像头画面中实时检测人脸（使用 OpenCV 内置的 Haar Cascade 分类器）。

动手实践是掌握技能的最佳方式。查阅官方文档、参考书籍、在线教程和开源项目，不断提升你的计算机视觉技能。

希望这篇新手指南对你有所帮助。祝你在计算机视觉的学习之旅中一切顺利！

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部