OpenCV 图像基本操作

本教程（中文）专注于 OpenCV 图像基本操作，涵盖读取、显示、保存图像，访问和修改像素，颜色通道操作，图像属性获取，以及基本的 ROI（感兴趣区域）处理等内容。基于 Python 的 opencv-python 库，提供清晰的代码示例和解释，适合初学者快速上手。本教程假设你已安装 OpenCV，并使用 imgcodecs 和 highgui 模块进行基础操作。

一、图像基本操作概述

图像表示：OpenCV 中图像以 NumPy 数组表示，形状为 (height, width, channels)，默认使用 BGR 颜色格式。
基本操作：
读取和保存图像（imread, imwrite）。
显示图像（imshow, waitKey）。
访问和修改像素值。
通道操作：拆分、合并、转换颜色空间。
获取图像属性：尺寸、数据类型、像素总数。
ROI 裁剪：提取图像子区域。

二、核心操作与代码示例

以下逐一讲解每个基本操作，提供 Python 示例代码。

2.1 读取图像

使用 cv2.imread 读取图像，支持 JPG、PNG、BMP 等格式。

import cv2
import numpy as np

# 读取图像
img = cv2.imread('lena.jpg')  # 替换为你的图像路径

# 检查是否加载成功
if img is None:
    print("错误：无法加载图像，请检查文件路径")
else:
    print(f"图像加载成功，形状: {img.shape}")  # 输出 (高度, 宽度, 通道数)

输出示例：

图像加载成功，形状: (512, 512, 3)

说明：

imread 参数：
cv2.IMREAD_COLOR：默认，加载 BGR 彩色图像。
cv2.IMREAD_GRAYSCALE：加载灰度图像。
cv2.IMREAD_UNCHANGED：加载图像并保留 alpha 通道。
始终检查返回值，防止路径错误。

2.2 显示图像

使用 cv2.imshow 显示图像，cv2.waitKey 等待用户输入。

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# 显示图像
cv2.imshow('图像', img)
key = cv2.waitKey(0)  # 等待按键，0 表示无限等待
if key == ord('q'):   # 按 'q' 退出
    print("退出显示")
cv2.destroyAllWindows()  # 关闭所有窗口

说明：

imshow：创建窗口显示图像，窗口名称为第一个参数。
waitKey：控制窗口显示时间，0 表示等待用户按键。
destroyAllWindows：释放窗口资源。

2.3 保存图像

使用 cv2.imwrite 保存图像到文件。

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# 保存图像
success = cv2.imwrite('output.jpg', img)
if success:
    print("图像已保存为 output.jpg")
else:
    print("错误：无法保存图像")

说明：

imwrite：支持多种格式，文件名扩展名决定编码（如 .jpg, .png）。
可设置压缩参数，例如 JPG 质量：

  cv2.imwrite('output_high_quality.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 95])

2.4 访问和修改像素

图像是 NumPy 数组，可通过索引访问和修改像素值。

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# 访问像素 (y=100, x=100)
pixel = img[100, 100]  # 返回 [B, G, R]
print(f"像素(100,100): {pixel}")

# 修改像素为绿色
img[100, 100] = [0, 255, 0]

# 访问单个通道
blue = img[100, 100, 0]  # 蓝色通道
print(f"蓝色通道值: {blue}")

# 修改一块区域为红色
img[50:100, 50:100] = [0, 0, 255]  # 设置为红色

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

输出示例：

像素(100,100): [110 156 210]
蓝色通道值: 110

说明：

像素格式：img[y, x] 返回 [B, G, R]（BGR 顺序）。
通道索引：img[y, x, c]，其中 c=0（蓝）、c=1（绿）、c=2（红）。

2.5 通道操作

拆分、合并通道或转换颜色空间。

示例：拆分和合并通道

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# 拆分通道
b, g, r = cv2.split(img)

# 显示各通道
cv2.imshow('蓝色通道', b)
cv2.imshow('绿色通道', g)
cv2.imshow('红色通道', r)

# 合并通道
img_merged = cv2.merge([b, g, r])
cv2.imshow('合并后的图像', img_merged)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 修改蓝色通道并合并
b[:] = 0  # 将蓝色通道置零
img_no_blue = cv2.merge([b, g, r])
cv2.imwrite('no_blue.jpg', img_no_blue)

说明：

split：将图像拆分为三个通道（B、G、R），返回单通道图像。
merge：合并通道，需保持通道顺序。

示例：颜色空间转换

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# BGR -> 灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# BGR -> HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 显示结果
cv2.imshow('灰度图像', gray)
cv2.imshow('HSV图像', hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()

说明：

cvtColor：转换颜色空间，常见选项包括 COLOR_BGR2GRAY、COLOR_BGR2HSV。

2.6 获取图像属性

获取图像的形状、数据类型和像素总数等信息。

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# 图像属性
print(f"形状: {img.shape}")  # (高度, 宽度, 通道数)
print(f"数据类型: {img.dtype}")  # 通常 uint8
print(f"像素总数: {img.size}")  # 高度 * 宽度 * 通道数
print(f"维度: {img.ndim}")  # 2（灰度）或 3（彩色）

输出示例：

形状: (512, 512, 3)
数据类型: uint8
像素总数: 786432
维度: 3

2.7 ROI（感兴趣区域）裁剪

提取图像的子区域。

import cv2

img = cv2.imread('lena.jpg')
if img is None:
    print("错误：无法加载图像")
    exit()

# 裁剪 ROI (y=100:200, x=100:200)
roi = img[100:200, 100:200]

# 显示和保存 ROI
cv2.imshow('ROI', roi)
cv2.imwrite('roi.jpg', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

说明：

ROI 通过 NumPy 数组切片实现：img[y_start:y_end, x_start:x_end]。

三、综合示例：图像操作流水线

结合读取、显示、修改像素、通道操作和 ROI：

import cv2
import numpy as np

def process_image(image_path):
    """图像处理流水线"""
    # 读取图像
    img = cv2.imread(image_path)
    if img is None:
        print("错误：无法加载图像")
        return

    # 获取属性
    print(f"形状: {img.shape}, 数据类型: {img.dtype}")

    # 修改像素（将 (100,100) 设为绿色）
    img[100, 100] = [0, 255, 0]

    # 拆分和合并通道
    b, g, r = cv2.split(img)
    b[:] = 0  # 移除蓝色通道
    img_no_blue = cv2.merge([b, g, r])

    # 裁剪 ROI
    roi = img[100:300, 100:300]

    # 转换为灰度
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 显示结果
    cv2.imshow('原始图像', img)
    cv2.imshow('无蓝色通道', img_no_blue)
    cv2.imshow('ROI', roi)
    cv2.imshow('灰度图像', gray)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

    # 保存结果
    cv2.imwrite('no_blue.jpg', img_no_blue)
    cv2.imwrite('roi.jpg', roi)
    cv2.imwrite('gray.jpg', gray)

# 使用示例
process_image('lena.jpg')  # 替换为你的图像路径

输出示例：

形状: (512, 512, 3), 数据类型: uint8

四、注意事项

颜色格式：

OpenCV 使用 BGR 格式，与 Matplotlib 的 RGB 不同，需转换（如 COLOR_BGR2RGB）。

错误处理：

始终检查 imread 返回值，防止路径错误。
确保图像格式受支持（如 JPG、PNG）。

内存管理：

使用 destroyAllWindows() 关闭窗口，释放资源。
处理大图像时，考虑内存使用量。

性能优化：

像素操作（如循环）较慢，尽量使用 NumPy 矢量化操作。
ROI 操作可减少计算量。

文件路径：

使用绝对路径或确保相对路径正确。
Windows 用户注意路径分隔符（\\ 或 /）。

五、资源

官方文档：https://docs.opencv.org/master/d4/df6/tutorial_py_basic_ops.html
Python 教程：https://opencv-python-tutroals.readthedocs.io/
社区：在 X 平台搜索 #opencv 获取最新讨论。

如果你需要更深入的操作（如批量处理图像、复杂像素操作）或 C++ 实现代码，请告诉我，我可以提供针对性的示例或进一步优化！

一、图像基本操作概述

二、核心操作与代码示例

2.1 读取图像

2.2 显示图像

2.3 保存图像

2.4 访问和修改像素

2.5 通道操作

2.6 获取图像属性

2.7 ROI（感兴趣区域）裁剪

三、综合示例：图像操作流水线

四、注意事项

五、资源

C++ OpenCV 基本模块介绍

OpenCV 视频处理

OpenCV 简介

OpenCV 简单滤镜效果

OpenCV 视频目标跟踪 (MeanShift, CamShift)

OpenCV 人脸检测

发表回复取消回复

一、图像基本操作概述

二、核心操作与代码示例

2.1 读取图像

2.2 显示图像

2.3 保存图像

2.4 访问和修改像素

2.5 通道操作

2.6 获取图像属性

2.7 ROI（感兴趣区域）裁剪

三、综合示例：图像操作流水线

四、注意事项

五、资源

类似文章

发表回复 取消回复

发表回复取消回复