Python OpenCV 快速入门：从零开始玩转图像与视频处理

引言：探索计算机视觉的神奇世界

计算机视觉是一门让计算机“看懂”世界的科学。它涉及到如何让机器获取、处理、分析和理解图像和视频数据。从人脸识别、自动驾驶到医疗影像分析、工业缺陷检测，计算机视觉的应用无处不在，极大地改变着我们的生活。

而 OpenCV（Open Source Computer Vision Library）是目前最流行、功能最强大的开源计算机视觉库之一。它包含了丰富的算法和函数，涵盖了图像处理、特征检测、目标识别、机器学习等多个领域。虽然 OpenCV 最初是用 C++ 编写的，但它提供了对多种编程语言的接口，其中 Python 接口因其简洁易用的语法和强大的生态系统（如 NumPy、Matplotlib）而备受青睐。

本文旨在为 Python 初学者提供一个 OpenCV 的快速入门指南。我们将从安装开始，逐步深入到图像和视频的基本操作，包括读取、显示、保存、修改像素、颜色空间转换、基本图形绘制、图像算术运算、阈值处理、滤波、边缘检测，以及视频的读取与处理。通过阅读本文，你将能够掌握 OpenCV 的核心概念和常用函数，为进一步探索更高级的计算机视觉技术打下坚实的基础。

无需担心你是否有深厚的计算机视觉背景，只要你具备基本的 Python 编程知识，就可以跟随本文一起踏上 OpenCV 的奇妙旅程。

第一步：准备环境——安装 Python 与 OpenCV

在开始之前，确保你的计算机上已经安装了 Python。推荐安装 Python 3.6 或更高版本。你可以从 Python 官方网站下载安装包：https://www.python.org/downloads/。

安装完 Python 后，强烈建议使用虚拟环境（Virtual Environment）。虚拟环境可以隔离不同项目所需的库版本，避免冲突。常用的虚拟环境工具有 venv（Python 3 自带）或 conda。

使用 venv 创建虚拟环境的步骤如下：

打开终端或命令提示符。
导航到你的项目目录。
执行命令创建虚拟环境（例如，命名为 myenv）：
bash python -m venv myenv
激活虚拟环境：
- Windows: myenv\Scripts\activate
- macOS/Linux: source myenv/bin/activate

激活虚拟环境后，你的终端提示符前会显示虚拟环境的名称（如 (myenv)）。现在，我们可以使用 pip 来安装 OpenCV。

安装 OpenCV 的 Python 包（opencv-python）：

bash pip install opencv-python numpy matplotlib

这里我们不仅安装了 opencv-python，还安装了 numpy 和 matplotlib。numpy 是 OpenCV Python 接口的底层依赖，图像数据在 OpenCV 中通常以 NumPy 数组的形式表示。matplotlib 则是一个强大的绘图库，可以用来方便地显示图像，尤其是在调试和对比图像处理效果时非常有用。

安装完成后，你可以通过简单的 Python 脚本来验证安装是否成功：

python import cv2 print(cv2.__version__)

运行这段代码，如果能成功打印出 OpenCV 的版本号，说明安装成功。

第二步：图像的载入、显示与保存

计算机视觉的核心是处理图像。首先，我们需要知道如何在 OpenCV 中加载一张图片到程序中，如何在窗口中显示它，以及如何将处理后的图片保存到文件中。

OpenCV 使用 NumPy 数组来表示图像。对于彩色图像，通常是一个三维数组 [height, width, channels]，通道顺序默认为 BGR（蓝、绿、红，而不是常见的 RGB）。对于灰度图像，是一个二维数组 [height, width]。

2.1 载入图像 (`cv2.imread`)

cv2.imread() 函数用于从指定路径加载图像。

“`python
import cv2
import numpy as np

替换为你自己的图片路径

image_path = ‘path/to/your/image.jpg’ # 例如：’./data/test_image.jpg’

读取图像

cv2.IMREAD_COLOR: 加载彩色图像（默认）

cv2.IMREAD_GRAYSCALE: 加载灰度图像

cv2.IMREAD_UNCHANGED: 加载包含Alpha通道的图像

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，尺寸：{img.shape}”) # shape 返回 (高, 宽, 通道数) 或 (高, 宽)
print(f”图像数据类型：{img.dtype}”) # dtype 通常是 uint8 (无符号8位整数)
“`

注意： cv2.imread() 返回的图像如果加载失败（例如文件不存在或路径错误），会是一个 None 对象。因此，在后续处理前检查 img is None 是一个好习惯。

2.2 显示图像 (`cv2.imshow`, `cv2.waitKey`, `cv2.destroyAllWindows`)

cv2.imshow() 函数用于在窗口中显示图像。它需要两个参数：窗口名称（字符串）和要显示的图像对象。

“`python

假设 img 已经成功加载

if img is not None:
# 在名为 ‘Original Image’ 的窗口中显示图像
cv2.imshow(‘Original Image’, img)

# cv2.waitKey() 函数等待键盘事件
# 参数是等待的毫秒数。0 表示无限期等待直到按下任意键
# 返回按下的键的ASCII码
# 这是一个非常重要的函数，用于保持窗口显示，否则窗口会一闪而过
print("按下任意键关闭窗口...")
cv2.waitKey(0)

# cv2.destroyAllWindows() 函数销毁所有由OpenCV创建的窗口
# 如果只想销毁特定窗口，可以使用 cv2.destroyWindow('窗口名称')
cv2.destroyAllWindows()

“`

完整的加载和显示示例：

“`python
import cv2
import numpy as np
import os

假设你的图片在当前脚本的同级目录下，名为 ‘test_image.jpg’

如果没有，请创建一个或使用一个已有的图片文件，并修改 image_path

image_path = ‘test_image.jpg’ # 或者一个完整的路径，如 ‘C:/Users/YourUser/Pictures/test_image.jpg’

为了演示，如果图片不存在，创建一个简单的空白图片

if not os.path.exists(image_path):
print(f”图片文件 ‘{image_path}’ 不存在，创建一个空白图片用于演示。”)
# 创建一个500×800像素的白色彩色图片 (高度500，宽度800)
# BGR顺序，(255, 255, 255) 是白色
blank_img = np.full((500, 800, 3), 255, dtype=np.uint8)
# 在图片上写一些字
cv2.putText(blank_img, “Hello, OpenCV!”, (50, 250), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 0, 0), 3)
cv2.imwrite(image_path, blank_img)
print(f”空白图片已创建为 ‘{image_path}'”)

载入图像

img = cv2.imread(image_path)

检查图像是否加载成功

if img is None:
print(f”错误：无法加载图像文件 {image_path}”)
else:
# 显示图像
cv2.imshow(‘Loaded Image’, img)

# 等待按键，然后关闭窗口
print("图片加载并显示成功。按下任意键关闭窗口...")
cv2.waitKey(0)
cv2.destroyAllWindows()

“`
运行这段代码，如果图片存在，它会显示图片；如果不存在，它会创建一个简单的空白图片然后显示。

2.3 保存图像 (`cv2.imwrite`)

cv2.imwrite() 函数用于将图像保存到文件。它需要两个参数：保存路径（包含文件名和扩展名）和要保存的图像对象。文件扩展名决定了保存的格式（如 .jpg, .png, .bmp 等）。

“`python

假设 img 已经成功加载并且你对它进行了一些处理（稍后介绍处理方法）

现在你想保存处理后的图像

if img is not None:
# 假设 img 是处理后的图像
# 保存为 PNG 格式
output_path_png = ‘processed_image.png’
success_png = cv2.imwrite(output_path_png, img)

if success_png:
    print(f"图像已成功保存为 {output_path_png}")
else:
    print(f"保存图像失败 {output_path_png}")

# 也可以保存为 JPG 格式
output_path_jpg = 'processed_image.jpg'
# 对于JPG，可以指定压缩质量 (0-100)，默认为95
# cv2.imwrite(output_path_jpg, img, [cv2.IMWRITE_JPEG_QUALITY, 90])
success_jpg = cv2.imwrite(output_path_jpg, img)

if success_jpg:
    print(f"图像已成功保存为 {output_path_jpg}")
else:
    print(f"保存图像失败 {output_path_jpg}")

“`

第三步：图像的基本属性与像素操作

在 OpenCV 中，图像被视为 NumPy 数组。这使得我们可以利用 NumPy 强大的数组操作能力来处理图像。

3.1 图像的属性

我们可以像访问 NumPy 数组一样访问图像的属性：

img.shape: 返回一个元组，表示图像的尺寸。彩色图像是 (height, width, channels)，灰度图像是 (height, width)。
img.size: 返回图像的总像素数（height * width * channels 或 height * width）。
img.dtype: 返回图像的数据类型。通常是 uint8 (无符号8位整数)，表示每个像素通道的取值范围是 0 到 255。

“`python

假设 img 已经成功加载

if img is not None:
print(“— 图像属性 —“)
print(f”图像形状 (高, 宽, 通道): {img.shape}”)
print(f”总像素数: {img.size}”)
print(f”数据类型: {img.dtype}”)

# 如果是彩色图像，通道数通常是3
if len(img.shape) == 3:
    height, width, channels = img.shape
    print(f"高度: {height} 像素")
    print(f"宽度: {width} 像素")
    print(f"通道数: {channels}")
else: # 灰度图像
     height, width = img.shape
     print(f"高度: {height} 像素")
     print(f"宽度: {width} 像素")
     print(f"通道数: 1 (灰度)")

“`

3.2 访问和修改像素值

你可以使用 NumPy 索引来访问和修改图像的像素值。记住 OpenCV 使用 [y, x] 或 [行, 列] 的顺序来访问像素，这与 NumPy 习惯的 [行, 列] 一致。对于彩色图像，还需要指定通道索引（0 for B, 1 for G, 2 for R）。

“`python

假设 img 已经成功加载

if img is not None:
# 获取图像尺寸
height, width = img.shape[:2] # 获取高和宽，忽略通道数

# 访问某个像素点的值 (例如，第100行，第150列的像素)
# 对于彩色图像，返回 (B, G, R) 值的列表
# 对于灰度图像，返回单个灰度值
pixel = img[100, 150]
print(f"\n像素 (150, 100) 的值: {pixel}") # 注意：这里通常说像素 (x, y) 但索引是 (y, x)

# 如果是彩色图像，访问特定通道的值
if len(img.shape) == 3:
    blue_channel_value = img[100, 150, 0] # 蓝色通道
    green_channel_value = img[100, 150, 1] # 绿色通道
    red_channel_value = img[100, 150, 2]   # 红色通道
    print(f"像素 (150, 100) 的蓝色值: {blue_channel_value}")
    print(f"像素 (150, 100) 的绿色值: {green_channel_value}")
    print(f"像素 (150, 100) 的红色值: {red_channel_value}")

# 修改某个像素点的值 (例如，将像素 (200, 250) 设置为红色)
if len(img.shape) == 3:
    # BGR 顺序，红色是 (0, 0, 255)
    img[200, 250] = [0, 0, 255]
    print(f"像素 (250, 200) 已修改为红色。")

    # 或者修改特定通道
    img[200, 250, 0] = 255 # 将该像素的蓝色通道设置为最大值

# 注意：直接访问和修改像素虽然直观，但在处理大图像时效率较低
# OpenCV 和 NumPy 提供了更高效的函数来处理图像块或整个图像

# 显示修改后的图像
cv2.imshow('Modified Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

“`

3.3 图像 ROI (Region of Interest)

图像的 ROI 是图像中的一个子区域。你可以使用 NumPy 切片来提取 ROI。

“`python

假设 img 已经成功加载

if img is not None:
# 提取图像左上角 100×150 像素的区域作为 ROI
# 注意：切片顺序是 [start_row:end_row, start_col:end_col]
# 这里的行是高度方向 (y), 列是宽度方向 (x)
# 因此，从第0行到第100行 (不包含100)，从第0列到第150列 (不包含150)
roi = img[0:100, 0:150]

print(f"提取的 ROI 尺寸: {roi.shape}")

# 在窗口中显示 ROI
cv2.imshow('Image ROI', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 你也可以将一个 ROI 复制到图像的另一个位置
# 确保目标区域和 ROI 的尺寸相同
# 例如，将左上角的 ROI 复制到右下角
# 首先确定右下角区域的起始点
if img.shape[0] > 100 and img.shape[1] > 150:
     # 计算目标区域的起始行和列
     target_start_row = img.shape[0] - 100
     target_start_col = img.shape[1] - 150

     # 复制 ROI 到目标区域
     img[target_start_row:img.shape[0], target_start_col:img.shape[1]] = roi

     # 显示修改后的图像
     cv2.imshow('Image with ROI Copied', img)
     cv2.waitKey(0)
     cv2.destroyAllWindows()
else:
    print("图像尺寸太小，无法演示 ROI 复制。")

“`

第四步：颜色空间转换

颜色空间是描述颜色的数学模型。常见的颜色空间有 RGB、BGR、灰度、HSV、HLS 等。OpenCV 支持多种颜色空间的转换。最常见的转换是从 BGR（OpenCV默认）到灰度，或者从 BGR 到 HSV（色相、饱和度、亮度），HSV 空间在基于颜色分割物体时非常有用。

cv2.cvtColor() 函数用于进行颜色空间转换。

“`python

假设 img 是一个彩色图像 (BGR)

if img is not None and len(img.shape) == 3:

# 将 BGR 图像转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print(f"灰度图像尺寸: {gray_img.shape}") # shape 会变为 (高, 宽)

# 将 BGR 图像转换为 HSV 图像
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
print(f"HSV 图像尺寸: {hsv_img.shape}") # shape 仍然是 (高, 宽, 3)

# 显示原始彩色图像、灰度图像和 HSV 图像
cv2.imshow('Original BGR Image', img)
cv2.imshow('Grayscale Image', gray_img)
cv2.imshow('HSV Image', hsv_img) # HSV 图像直接显示可能看起来怪异，因为它是三通道数据

# 等待按键关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

# 你也可以分离或合并通道
# 分离通道 (B, G, R)
b, g, r = cv2.split(img)

# 显示分离后的通道（它们是灰度图像）
cv2.imshow('Blue Channel', b)
cv2.imshow('Green Channel', g)
cv2.imshow('Red Channel', r)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 合并通道（注意顺序是 B, G, R）
# 例如，创建一个只有红色通道的彩色图像（其他通道全为零）
zeros = np.zeros(img.shape[:2], dtype=np.uint8) # 创建一个同尺寸的零矩阵
red_only_img = cv2.merge([zeros, zeros, r])
cv2.imshow('Red Only Image', red_only_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(“图像不是彩色图像或加载失败，跳过颜色空间转换演示。”)
`` 常用的颜色空间转换标志有： *cv2.COLOR_BGR2GRAY: BGR 到灰度 *cv2.COLOR_BGR2HSV: BGR 到 HSV *cv2.COLOR_HSV2BGR: HSV 到 BGR *cv2.COLOR_BGR2RGB`: BGR 到 RGB (用于 Matplotlib 显示，因为它默认 RGB)

第五步：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各种基本图形，如线条、圆形、矩形、椭圆、多边形以及添加文本。

这些绘制函数通常需要以下参数：
* img: 要绘制的图像。
* color: 图形的颜色，对于彩色图像是一个 BGR 元组 (例如，(255, 0, 0) 是蓝色)。
* thickness: 绘制的线条粗细。如果设置为 -1，则填充图形。

“`python

首先创建一个空白图像作为画布 (例如，一个 500×500 的黑色图像)

canvas = np.zeros((500, 500, 3), dtype=np.uint8) # 黑色是 (0, 0, 0)

1. 绘制线条

cv2.line(img, start_point, end_point, color, thickness)

cv2.line(canvas, (0, 0), (500, 500), (255, 0, 0), 5) # 从左上角到右下角的蓝色线条

2. 绘制矩形

cv2.rectangle(img, pt1, pt2, color, thickness)

pt1: 矩形左上角坐标 (x, y)

pt2: 矩形右下角坐标 (x, y)

cv2.rectangle(canvas, (100, 100), (400, 400), (0, 255, 0), 3) # 绿色的框

3. 绘制圆形

cv2.circle(img, center, radius, color, thickness)

cv2.circle(canvas, (250, 250), 100, (0, 0, 255), -1) # 红色的实心圆

4. 绘制椭圆 (相对复杂，可以先跳过)

cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness)

center: 中心点 (x, y)

axes: 半长轴和半短轴长度 (major_axis_length, minor_axis_length)

angle: 椭圆旋转角度

startAngle, endAngle: 绘制圆弧的起始和结束角度

cv2.ellipse(canvas, (250, 250), (150, 50), 0, 0, 180, (255, 255, 0), 2) # 黄色的半椭圆

5. 绘制多边形

cv2.polylines(img, pts, isClosed, color, thickness)

pts: 多边形顶点坐标数组的数组 (例如：[np.array([[x1,y1], [x2,y2], …]], np.int32))

isClosed: 是否闭合多边形

pts = np.array([[50, 500], [150, 400], [250, 500], [350, 400], [450, 500]], np.int32)
pts = pts.reshape((-1, 1, 2)) # 将顶点坐标调整为所需的形状 [[point1], [point2], …]
cv2.polylines(canvas, [pts], False, (255, 255, 255), 2) # 白色的折线

6. 添加文本

cv2.putText(img, text, org, fontFace, fontScale, color, thickness, lineType)

text: 要添加的文本字符串

org: 文本左下角坐标 (x, y)

fontFace: 字体类型 (如 cv2.FONT_HERSHEY_SIMPLEX)

fontScale: 字体大小比例

lineType: 线条类型 (如 cv2.LINE_AA 用于抗锯齿)

cv2.putText(canvas, ‘Hello OpenCV!’, (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2, cv2.LINE_AA) # 白色文本

显示绘制结果

cv2.imshow(‘Drawing on Canvas’, canvas)
cv2.waitKey(0)
cv2.destroyAllWindows()
“`

第六步：图像算术运算与逻辑运算

OpenCV 提供了多种图像算术运算（如加、减、乘、除）和逻辑运算（如与、或、非、异或）。这些操作在图像混合、创建掩膜、提取特定区域等方面非常有用。

6.1 图像加法

可以使用 cv2.add() 或 NumPy 的 + 运算符进行图像加法。需要注意的是，cv2.add() 是饱和运算（saturated operation），结果会限制在 0-255 范围内，超出 255 的值会被截断为 255。而 NumPy 的 + 是模运算（modulo operation），结果会进行取模，可能导致意外的颜色变化。对于图像通常应使用 cv2.add()。

图像加法常用于增加图像亮度。将图像与一个常数相加，可以使每个像素的值增加。

“`python

假设 img 已经加载 (uint8 类型)

if img is not None:
# 创建一个与 img 相同尺寸的常量图像 (例如，每个像素值为 50)
M = np.ones(img.shape, dtype=”uint8″) * 50

# 使用 cv2.add() 进行图像加法（增加亮度）
added_img_cv2 = cv2.add(img, M)

# 使用 NumPy 的 + 进行图像加法（可能出现取模）
# added_img_np = img + M # 结果可能会与 cv2.add 不同

# 显示原始图像和加法结果
cv2.imshow('Original Image', img)
cv2.imshow('Image Added (cv2.add)', added_img_cv2)
# cv2.imshow('Image Added (NumPy +)', added_img_np) # 可以对比看区别

cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(“图像加载失败，跳过加法演示。”)
“`

6.2 图像混合 (Weighted Addition)

图像混合是一种特殊的加法，可以根据权重将两张图像叠加在一起，常用于创建图像叠加效果（如水印）。这通过 cv2.addWeighted() 函数实现。

公式为：dst = alpha * img1 + beta * img2 + gamma

其中 alpha 和 beta 是两张图像的权重，gamma 是一个偏置值。通常设置 alpha + beta = 1，gamma = 0。

“`python

需要两张尺寸相同的图片进行混合

假设 img1 和 img2 已经加载且尺寸相同

为了演示，我们使用同一张图片的两个副本

如果没有第二张图片，使用上面的空白图片和加载的图片进行混合

img1 = img # 或者加载另一张图片 ‘path/to/another_image.jpg’
img2 = blank_img # 使用之前创建的空白图片

确保两张图片存在且尺寸相同

if img1 is not None and img2 is not None and img1.shape == img2.shape:
# 设置混合权重
alpha = 0.7 # img1 的权重
beta = 0.3 # img2 的权重 (1 – alpha)
gamma = 0 # 偏置值

 # 执行图像混合
 blended_img = cv2.addWeighted(img1, alpha, img2, beta, gamma)

 # 显示混合结果
 cv2.imshow('Image 1', img1)
 cv2.imshow('Image 2', img2)
 cv2.imshow('Blended Image', blended_img)

 cv2.waitKey(0)
 cv2.destroyAllWindows()

else:
print(“需要两张尺寸相同的图片进行混合演示，或者图片加载失败。”)
“`

6.3 位逻辑运算

位逻辑运算包括 AND (&), OR (|), NOT (~), XOR (^)。这些操作在图像掩膜处理、提取图像特定区域等方面非常有用。

例如，位 AND 运算可以用于根据一个掩膜图像提取原始图像中的特定区域。掩膜图像通常是二值的（只有 0 和 255），与原始图像进行 AND 运算后，掩膜中像素值为 255 的区域会保留原始图像的像素值，而像素值为 0 的区域会变为 0（黑色）。

“`python

假设 img 已经加载

if img is not None:
# 创建一个掩膜图像
# 掩膜通常与原始图像尺寸相同
# 创建一个黑色的掩膜
mask = np.zeros(img.shape[:2], dtype=”uint8″) # 灰度图像作为掩膜

# 在掩膜上绘制一个白色 (255) 的圆形区域
# 这个白色区域将是我们要从原始图像中提取的部分
center_x, center_y = img.shape[1] // 2, img.shape[0] // 2
radius = min(center_x, center_y) // 2
cv2.circle(mask, (center_x, center_y), radius, 255, -1) # 在中心绘制一个实心白圆

# 显示原始图像和创建的掩膜
cv2.imshow('Original Image', img)
cv2.imshow('Mask', mask)

# 对原始图像和掩膜进行位 AND 运算
# 只有在掩膜中是白色(255)的区域，原始图像对应像素才会保留
# OpenCV的按位操作函数会自动处理彩色图像和灰度掩膜
result = cv2.bitwise_and(img, img, mask=mask)

# 显示位 AND 运算结果
cv2.imshow('Result of Bitwise AND (Masking)', result)

cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(“图像加载失败，跳过位运算演示。”)

“`

类似地，还有 cv2.bitwise_or(), cv2.bitwise_not(), cv2.bitwise_xor() 函数。

第七步：基本的图像处理技术

OpenCV 提供了大量图像处理函数，这里我们介绍几个最基础和常用的。

7.1 图像阈值处理 (Thresholding)

阈值处理是一种简单的图像分割技术，它将灰度图像转换为二值图像。通过设定一个阈值，大于阈值的像素被设置为一个最大值（通常是 255），小于或等于阈值的像素被设置为一个最小值（通常是 0）。

cv2.threshold() 函数用于全局阈值处理。它返回两个值：应用的阈值和阈值处理后的图像。

“`python

假设 img 已经加载

if img is not None:
# 将图像转换为灰度（阈值处理通常在灰度图像上进行）
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用阈值处理
# ret: 返回的阈值 (如果使用 OTVU 等方法，这个值会自动计算)
# binary_img: 阈值处理后的二值图像
# 参数解释：
# src: 输入图像 (灰度图像)
# thresh: 全局阈值
# maxval: 当像素值大于 (或小于，取决于 type) 阈值时设定的最大值
# type: 阈值类型
# cv2.THRESH_BINARY: > thresh -> maxval, <= thresh -> 0
# cv2.THRESH_BINARY_INV: > thresh -> 0, <= thresh -> maxval
# cv2.THRESH_TRUNC: > thresh -> thresh, else unchanged
# cv2.THRESH_TOZERO: > thresh -> unchanged, else -> 0
# cv2.THRESH_TOZERO_INV: > thresh -> 0, else unchanged

# 示例：二值化处理，阈值为 127
ret, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)

# 示例：反二值化处理
ret, binary_inv_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY_INV)

# 示例：使用 OTSU 方法自动计算最佳阈值
# 在 type 参数中加入 cv2.THRESH_OTSU
# 注意：使用 OTSU 时，threshold 参数会被忽略，OpenCV 会自己计算
ret_otsu, otsu_binary_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
print(f"\nOTSU 方法计算的阈值: {ret_otsu}")


# 显示结果
cv2.imshow('Original Grayscale', gray_img)
cv2.imshow('Binary Threshold (127)', binary_img)
cv2.imshow('Binary Inverse Threshold (127)', binary_inv_img)
cv2.imshow('OTSU Binary Threshold', otsu_binary_img)


cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(“图像加载失败，跳过阈值处理演示。”)
“`

当图像光照不均匀时，全局阈值可能效果不佳。这时可以使用自适应阈值 (cv2.adaptiveThreshold)，它会根据像素的局部邻域来计算阈值。

7.2 图像平滑/模糊 (Smoothing/Blurring)

图像模糊是一种低通滤波，用于减少图像噪声和细节。OpenCV 提供了多种模糊技术：

均值滤波 (cv2.blur): 使用一个矩形内核，计算内核覆盖区域内所有像素的平均值作为中心像素的新值。
高斯滤波 (cv2.GaussianBlur): 使用高斯核进行卷积，距离中心越近的像素权重越大。这是最常用的滤波方法之一，能有效去除高斯噪声。
中值滤波 (cv2.medianBlur): 使用内核覆盖区域内像素的中值作为中心像素的新值。对于去除椒盐噪声（salt-and-pepper noise）非常有效。
双边滤波 (cv2.bilateralFilter): 可以在平滑图像的同时保留边缘。

“`python

假设 img 已经加载

if img is not None:
# 添加一些噪声用于演示（可选）
# noisy_img = img + np.random.normal(0, 25, img.shape).astype(np.uint8) # 添加高斯噪声，可能需要 clip 到 0-255
# 或者更简单地，使用一个稍微有点噪声的图片进行测试

 # 定义内核大小 (必须是正奇数，如 3x3, 5x5 等)
 kernel_size = (5, 5)
 median_kernel_size = 5 # 中值滤波只需要一个奇数

 # 均值滤波
 blurred_mean = cv2.blur(img, kernel_size)

 # 高斯滤波
 # kernel_size: 高斯核的标准差，如果为0，则根据内核大小计算
 blurred_gaussian = cv2.GaussianBlur(img, kernel_size, 0)

 # 中值滤波
 blurred_median = cv2.medianBlur(img, median_kernel_size)

 # 双边滤波 (d: 像素邻域直径, sigmaColor: 颜色空间的标准差, sigmaSpace: 坐标空间的标准差)
 # 较大的 sigmaColor 值意味着更远的颜色会混合在一起
 # 较大的 sigmaSpace 值意味着更远的像素会相互影响
 blurred_bilateral = cv2.bilateralFilter(img, 9, 75, 75)

 # 显示结果
 cv2.imshow('Original Image', img)
 cv2.imshow('Mean Blur', blurred_mean)
 cv2.imshow('Gaussian Blur', blurred_gaussian)
 cv2.imshow('Median Blur', blurred_median)
 cv2.imshow('Bilateral Filter', blurred_bilateral)

 cv2.waitKey(0)
 cv2.destroyAllWindows()

else:
print(“图像加载失败，跳过模糊演示。”)

“`

7.3 边缘检测 (Edge Detection)

边缘是图像中像素强度发生显著变化的地方，它们通常对应于物体的轮廓或边界。边缘检测是许多计算机视觉任务的重要预处理步骤。OpenCV 提供了多种边缘检测算法，其中 Canny 边缘检测器 (cv2.Canny) 是一个非常流行且效果好的算法。

Canny 边缘检测包括几个步骤：高斯模糊、计算图像梯度、非极大值抑制、双阈值处理和边缘跟踪。

cv2.Canny() 函数需要输入图像（通常是灰度图像）和两个阈值 threshold1 和 threshold2。

“`python

假设 img 已经加载

if img is not None:
# 转换为灰度图像（Canny通常在灰度图像上运行）
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用 Canny 边缘检测
# threshold1: 最小阈值
# threshold2: 最大阈值
# apertureSize: Sobel 算子的孔径大小 (默认 3)
# L2gradient: 计算梯度幅度的标志 (默认 False，使用 L1 范数；True 使用 L2 范数)
edges = cv2.Canny(gray_img, 100, 200) # 使用100和200作为双阈值

# 显示结果
cv2.imshow('Original Grayscale', gray_img)
cv2.imshow('Canny Edges', edges)

cv2.waitKey(0)
cv2.destroyAllWindows()

else:
print(“图像加载失败，跳过边缘检测演示。”)

`` 调整threshold1和threshold2可以影响检测到的边缘数量和强度。通常，threshold2大于threshold1`。

第八步：处理视频流

除了静态图像，OpenCV 还可以轻松处理视频文件或从摄像头捕获视频流。视频本质上是一系列连续的图像帧。

8.1 读取视频文件或摄像头

cv2.VideoCapture 对象用于读取视频。传入文件路径用于读取视频文件，传入设备索引（通常是 0 代表默认摄像头）用于读取摄像头。

“`python

创建 VideoCapture 对象

cap = cv2.VideoCapture(‘path/to/your/video.mp4’) # 读取视频文件

cap = cv2.VideoCapture(0) # 读取默认摄像头 (设备索引 0)

检查 VideoCapture 是否成功打开

if not cap.isOpened():
print(“错误：无法打开视频流或摄像头。”)
exit() # 如果无法打开，退出程序

循环读取视频帧

while True:
# cap.read() 方法读取下一帧
# success: 布尔值，表示是否成功读取帧
# frame: 读取到的图像帧 (NumPy 数组)
success, frame = cap.read()

# 如果帧读取不成功 (例如视频结束或摄像头断开)，则退出循环
if not success:
    print("无法接收帧 (视频流结束?)。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)

# 显示原始帧和处理后的帧
cv2.imshow('Original Frame', frame)
cv2.imshow('Grayscale Frame', gray_frame)

# cv2.waitKey() 用于控制帧率并检测按键
# 参数是等待按键的毫秒数
# 如果在这个时间内按下指定的键，则返回该键的 ASCII 码
# 例如，等待 1 毫秒，如果按下 'q' 键 (ASCII 码是 113)，则退出循环
# cv2.waitKey(1) 表示每隔 1 毫秒检查一次按键
if cv2.waitKey(1) & 0xFF == ord('q'):
    break # 按下 'q' 键退出循环

循环结束后，释放 VideoCapture 对象并关闭所有窗口

cap.release()
cv2.destroyAllWindows()

“`
运行这段代码，它会打开你的摄像头窗口（如果成功），并实时显示彩色和灰度画面。按下 ‘q’ 键可以退出。

8.2 保存视频

除了读取视频，我们还可以将处理后的视频帧写入到新的视频文件中。这需要使用 cv2.VideoWriter 对象。

创建 cv2.VideoWriter 需要指定：
* 输出文件路径。
* FourCC 编码：指定视频编解码器。不同的 FourCC 代码对应不同的编码格式（如 MP4, AVI 等），兼容性可能因操作系统和安装的解码器而异。常见的 FourCC 代码有 'XVID', 'MP4V', 'MJPG' 等。可以使用 cv2.VideoWriter_fourcc() 创建。
* 帧率 (FPS)：每秒显示的帧数。
* 帧的大小 (Frame Size)：视频的分辨率 (width, height)。这必须与要写入的帧的尺寸匹配。

“`python

假设我们已经打开了 VideoCapture 对象 ‘cap’ 并成功读取了第一帧 ‘frame’

获取原始视频流的帧率和帧尺寸 (如果从文件读取)

对于摄像头，可能需要手动设定帧率和尺寸

if cap.isOpened():
# 获取帧尺寸 (宽度, 高度)
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
# 获取帧率 (可能不准确，尤其是对于摄像头)
# fps = int(cap.get(cv2.CAP_PROP_FPS)) # 有时返回0或不准确

# 手动设定一个帧率，例如 20 FPS
fps = 20

# 定义 FourCC 编码
# 例如，使用 XVID 编码器，通常生成 .avi 文件
fourcc = cv2.VideoWriter_fourcc(*'XVID')
# 或者使用 MP4V 编码器，通常生成 .mp4 文件
# fourcc = cv2.VideoWriter_fourcc(*'mp4v') # Windows 上可能需要安装额外的 codec

# 创建 VideoWriter 对象
output_filename = 'output_video.avi'
out = cv2.VideoWriter(output_filename, fourcc, fps, (frame_width, frame_height))

# 检查 VideoWriter 是否成功打开
if not out.isOpened():
     print(f"错误：无法创建视频写入对象或打开文件 {output_filename}")
     # 如果无法写入，继续读取和显示，但不保存
     out = None
else:
     print(f"视频写入对象已创建，将保存到 {output_filename}")

# 进入循环读取和处理帧，并将帧写入文件
print("\n正在处理视频流，按下 'q' 键停止...")
while cap.isOpened():
    success, frame = cap.read()

    if not success:
        print("无法接收帧。退出...")
        break

    # 在这里可以对 'frame' 进行任意处理，例如转换为灰度
    # processed_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    # 注意：如果处理后改变了通道数 (如灰度)，需要确保 VideoWriter 的 FourCC 和帧尺寸与写入的帧匹配
    # 如果写入灰度帧到彩色视频文件可能会出错，反之亦然
    # 最简单的方式是写入与原始帧尺寸和通道数相同的帧
    frame_to_write = frame # 或者 processed_frame (如果 out 设定正确)


    # 将处理后的帧写入视频文件
    if out is not None:
         out.write(frame_to_write)

    # 显示帧 (可选)
    cv2.imshow('Frame', frame)
    # cv2.imshow('Processed Frame', processed_frame) # 如果你进行了处理

    # 检测按键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 循环结束后，释放所有对象
cap.release()
if out is not None:
    out.release()
cv2.destroyAllWindows()
print("视频处理和保存完成。")

else:
print(“无法打开视频流或摄像头，跳过视频处理演示。”)
`` 运行这段代码，如果摄像头成功打开，它会显示摄像头画面，并将画面保存到output_video.avi` 文件中。按下 ‘q’ 键停止录制和显示。

第九步：更进一步的探索

本文只是 OpenCV Python 接口的入门指南。OpenCV 的功能远不止于此。你可以继续学习以下内容：

图像变换： 仿射变换、透视变换等。
形态学操作： 腐蚀、膨胀、开运算、闭运算等，用于处理二值图像。
直方图： 计算和分析图像的直方图，用于图像增强、对比度调整等。
轮廓检测： 查找和分析图像中的轮廓，用于物体检测和测量。
特征检测与匹配： SIFT, SURF, ORB 等算法用于查找图像中的关键点并进行匹配。
目标检测： Haar Cascades（人脸检测）、HOG+SVM、以及基于深度学习的方法（DNN 模块）。
对象跟踪： CamShift, MeanShift 等算法。
机器学习： 集成了一些基本的机器学习算法。
相机标定与三维重建。

要深入学习，强烈推荐查阅官方 OpenCV 官方文档 (https://docs.opencv.org/) 和大量的在线教程、书籍。

总结

在本文中，我们带你快速入门了 Python OpenCV 的基础知识。我们学习了：

如何安装 Python 和 OpenCV 库。
如何载入、显示和保存图像。
图像的基本属性和像素操作。
常见的颜色空间转换。
在图像上绘制基本图形和文本。
图像的算术和逻辑运算，以及如何使用掩膜。
基本的图像处理技术：阈值处理、模糊和边缘检测。
如何读取、处理和保存视频流。

通过这些基础知识，你现在已经具备了使用 OpenCV 进行简单的图像和视频处理的能力。记住，实践是最好的老师。尝试使用你自己的图片和视频，修改代码，探索不同的参数，看看它们会带来什么效果。

计算机视觉是一个充满挑战和机遇的领域。掌握 OpenCV，将为你打开通往这个精彩世界的大门。祝你在 OpenCV 的学习和实践中取得成功！

Python OpenCV 快速入门：从零开始玩转图像与视频处理

引言：探索计算机视觉的神奇世界

第一步：准备环境——安装 Python 与 OpenCV

第二步：图像的载入、显示与保存

2.1 载入图像 (cv2.imread)

替换为你自己的图片路径

读取图像

cv2.IMREAD_COLOR: 加载彩色图像（默认）

cv2.IMREAD_GRAYSCALE: 加载灰度图像

cv2.IMREAD_UNCHANGED: 加载包含Alpha通道的图像

检查图像是否成功加载

2.2 显示图像 (cv2.imshow, cv2.waitKey, cv2.destroyAllWindows)

假设 img 已经成功加载

假设你的图片在当前脚本的同级目录下，名为 ‘test_image.jpg’

如果没有，请创建一个或使用一个已有的图片文件，并修改 image_path

为了演示，如果图片不存在，创建一个简单的空白图片

载入图像

检查图像是否加载成功

2.3 保存图像 (cv2.imwrite)

假设 img 已经成功加载并且你对它进行了一些处理（稍后介绍处理方法）

现在你想保存处理后的图像

第三步：图像的基本属性与像素操作

3.1 图像的属性

假设 img 已经成功加载

3.2 访问和修改像素值

假设 img 已经成功加载

3.3 图像 ROI (Region of Interest)

假设 img 已经成功加载

第四步：颜色空间转换

假设 img 是一个彩色图像 (BGR)

第五步：在图像上绘制图形和文字

首先创建一个空白图像作为画布 (例如，一个 500×500 的黑色图像)

1. 绘制线条

cv2.line(img, start_point, end_point, color, thickness)

2. 绘制矩形

cv2.rectangle(img, pt1, pt2, color, thickness)

pt1: 矩形左上角坐标 (x, y)

pt2: 矩形右下角坐标 (x, y)

3. 绘制圆形

cv2.circle(img, center, radius, color, thickness)

4. 绘制椭圆 (相对复杂，可以先跳过)

cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness)

center: 中心点 (x, y)

axes: 半长轴和半短轴长度 (major_axis_length, minor_axis_length)

angle: 椭圆旋转角度

startAngle, endAngle: 绘制圆弧的起始和结束角度

cv2.ellipse(canvas, (250, 250), (150, 50), 0, 0, 180, (255, 255, 0), 2) # 黄色的半椭圆

5. 绘制多边形

cv2.polylines(img, pts, isClosed, color, thickness)

pts: 多边形顶点坐标数组的数组 (例如：[np.array([[x1,y1], [x2,y2], …]], np.int32))

isClosed: 是否闭合多边形

6. 添加文本

cv2.putText(img, text, org, fontFace, fontScale, color, thickness, lineType)

text: 要添加的文本字符串

org: 文本左下角坐标 (x, y)

fontFace: 字体类型 (如 cv2.FONT_HERSHEY_SIMPLEX)

fontScale: 字体大小比例

lineType: 线条类型 (如 cv2.LINE_AA 用于抗锯齿)

显示绘制结果

第六步：图像算术运算与逻辑运算

6.1 图像加法

假设 img 已经加载 (uint8 类型)

6.2 图像混合 (Weighted Addition)

需要两张尺寸相同的图片进行混合

假设 img1 和 img2 已经加载且尺寸相同

为了演示，我们使用同一张图片的两个副本

如果没有第二张图片，使用上面的空白图片和加载的图片进行混合

确保两张图片存在且尺寸相同

6.3 位逻辑运算

假设 img 已经加载

第七步：基本的图像处理技术

7.1 图像阈值处理 (Thresholding)

假设 img 已经加载

7.2 图像平滑/模糊 (Smoothing/Blurring)

假设 img 已经加载

7.3 边缘检测 (Edge Detection)

假设 img 已经加载

第八步：处理视频流

8.1 读取视频文件或摄像头

创建 VideoCapture 对象

2.1 载入图像 (`cv2.imread`)

2.2 显示图像 (`cv2.imshow`, `cv2.waitKey`, `cv2.destroyAllWindows`)

2.3 保存图像 (`cv2.imwrite`)

发表评论取消回复