基本图像操作

本章节介绍 OpenCV 中最基础的操作：图像的读取、显示、保存以及图像的基本属性。

图像读取

OpenCV 使用 cv2.imread() 函数读取图像文件。

基本用法

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 检查图像是否读取成功
if image is None:
    print("图像读取失败，请检查文件路径")
else:
    print(f"图像读取成功，尺寸: {image.shape}")

imread() 函数返回一个 NumPy 数组，如果读取失败则返回 None。读取失败通常是因为文件路径错误或文件格式不支持。

读取模式

imread() 函数的第二个参数指定读取模式：

# 彩色图像（默认）
color_image = cv2.imread('image.jpg', cv2.IMREAD_COLOR)

# 灰度图像
gray_image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 包含透明通道
rgba_image = cv2.imread('image.jpg', cv2.IMREAD_UNCHANGED)

# 任意深度
any_depth = cv2.imread('image.jpg', cv2.IMREAD_ANYDEPTH)

# 任意颜色
any_color = cv2.imread('image.jpg', cv2.IMREAD_ANYCOLOR)

常用的读取模式说明：

模式	数值	说明
IMREAD_COLOR	1	彩色图像，忽略透明通道
IMREAD_GRAYSCALE	0	灰度图像
IMREAD_UNCHANGED	-1	包含透明通道的原始图像

文件路径处理

在 Windows 系统中，路径分隔符可能导致问题，建议使用原始字符串或正斜杠：

# 使用原始字符串
image = cv2.imread(r'C:\Users\name\images\test.jpg')

# 使用正斜杠
image = cv2.imread('C:/Users/name/images/test.jpg')

# 使用 os.path 模块
import os
path = os.path.join('images', 'test.jpg')
image = cv2.imread(path)

图像显示

OpenCV 使用 cv2.imshow() 函数显示图像。

基本显示

import cv2

image = cv2.imread('image.jpg')

# 创建窗口并显示图像
cv2.imshow('窗口标题', image)

# 等待按键，0 表示无限等待
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

cv2.waitKey() 函数等待键盘事件，参数是等待时间（毫秒）。传入 0 表示无限等待，直到有按键按下。函数返回按键的 ASCII 码。

多图像显示

可以同时显示多个图像：

import cv2

image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

cv2.imshow('图像1', image1)
cv2.imshow('图像2', image2)

cv2.waitKey(0)
cv2.destroyAllWindows()

窗口控制

import cv2

image = cv2.imread('image.jpg')

# 创建可调整大小的窗口
cv2.namedWindow('可调整窗口', cv2.WINDOW_NORMAL)
cv2.imshow('可调整窗口', image)

# 创建自动大小的窗口
cv2.namedWindow('自动大小窗口', cv2.WINDOW_AUTOSIZE)
cv2.imshow('自动大小窗口', image)

cv2.waitKey(0)
cv2.destroyAllWindows()

响应键盘事件

import cv2

image = cv2.imread('image.jpg')
cv2.imshow('图像', image)

while True:
    key = cv2.waitKey(0) & 0xFF  # 获取按键 ASCII 码
    
    if key == ord('q'):  # 按 q 退出
        break
    elif key == ord('s'):  # 按 s 保存
        cv2.imwrite('saved_image.jpg', image)
        print("图像已保存")
    elif key == 27:  # 按 ESC 退出
        break

cv2.destroyAllWindows()

注意：waitKey(0) & 0xFF 是为了兼容 64 位系统，确保返回正确的 ASCII 码。

图像保存

使用 cv2.imwrite() 函数保存图像。

基本保存

import cv2

image = cv2.imread('input.jpg')

# 保存为 JPEG 格式
cv2.imwrite('output.jpg', image)

# 保存为 PNG 格式
cv2.imwrite('output.png', image)

OpenCV 根据文件扩展名自动确定保存格式。

保存参数

可以指定保存参数来控制图像质量：

import cv2

image = cv2.imread('input.jpg')

# JPEG 质量（0-100，默认95）
cv2.imwrite('output.jpg', image, [cv2.IMWRITE_JPEG_QUALITY, 90])

# PNG 压缩级别（0-9，默认3）
cv2.imwrite('output.png', image, [cv2.IMWRITE_PNG_COMPRESSION, 6])

JPEG 质量参数说明：

• 数值越大，图像质量越高，文件体积越大
• 推荐值：90（高质量）、75（中等质量）、50（低质量）

PNG 压缩级别说明：

• 数值越大，压缩率越高，保存速度越慢
• 推荐值：3（默认）、6（较高压缩）、9（最高压缩）

图像属性

图像在 OpenCV 中以 NumPy 数组形式存储，可以通过数组属性获取图像信息。

基本属性

import cv2

image = cv2.imread('image.jpg')

# 图像尺寸 (高度, 宽度, 通道数)
print(f"形状: {image.shape}")

# 图像数据类型
print(f"数据类型: {image.dtype}")

# 像素总数
print(f"像素总数: {image.size}")

# 维度数
print(f"维度: {image.ndim}")

输出示例：

形状: (480, 640, 3)
数据类型: uint8
像素总数: 921600
维度: 3

理解图像形状

对于彩色图像，shape 返回 (height, width, channels)：

• height：图像高度（像素行数）
• width：图像宽度（像素列数）
• channels：通道数（彩色图像为 3，灰度图像不返回此项）

import cv2

# 彩色图像
color = cv2.imread('image.jpg', cv2.IMREAD_COLOR)
print(f"彩色图像: {color.shape}")  # (480, 640, 3)

# 灰度图像
gray = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
print(f"灰度图像: {gray.shape}")   # (480, 640)

像素访问

可以像访问 NumPy 数组一样访问像素值：

import cv2

image = cv2.imread('image.jpg')

# 获取单个像素值 (B, G, R)
pixel = image[100, 200]
print(f"像素值 (B, G, R): {pixel}")

# 获取单个通道的值
blue = image[100, 200, 0]
green = image[100, 200, 1]
red = image[100, 200, 2]
print(f"蓝: {blue}, 绿: {green}, 红: {red}")

# 修改像素值
image[100, 200] = [255, 255, 255]  # 设置为白色

注意：OpenCV 使用 BGR 格式存储彩色图像，而不是 RGB 格式。这是 OpenCV 的历史原因，使用时需要注意。

区域访问

使用 NumPy 的切片功能访问图像区域：

import cv2

image = cv2.imread('image.jpg')

# 获取感兴趣区域 (ROI)
roi = image[100:200, 150:250]  # [y1:y2, x1:x2]

# 显示 ROI
cv2.imshow('ROI', roi)
cv2.waitKey(0)

# 复制 ROI 到其他位置
image[300:400, 350:450] = roi

颜色空间转换

OpenCV 提供了 cv2.cvtColor() 函数进行颜色空间转换。

BGR 转 RGB

由于 OpenCV 使用 BGR 格式，而 Matplotlib 使用 RGB 格式，显示时需要转换：

import cv2
import matplotlib.pyplot as plt

image = cv2.imread('image.jpg')

# BGR 转 RGB
rgb_image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# 使用 Matplotlib 显示
plt.imshow(rgb_image)
plt.axis('off')
plt.show()

BGR 转灰度

import cv2

image = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

cv2.imshow('灰度图像', gray)
cv2.waitKey(0)

BGR 转 HSV

HSV 颜色空间更适合颜色分割任务：

import cv2

image = cv2.imread('image.jpg')

# 转换为 HSV
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

cv2.imshow('HSV 图像', hsv)
cv2.waitKey(0)

HSV 各通道含义：

• H (Hue)：色调，范围 0-179
• S (Saturation)：饱和度，范围 0-255
• V (Value)：明度，范围 0-255

完整示例

下面是一个完整的示例，演示图像读取、显示、转换和保存：

import cv2

def process_image(input_path, output_path):
    # 读取图像
    image = cv2.imread(input_path)
    
    if image is None:
        print(f"无法读取图像: {input_path}")
        return
    
    # 打印图像信息
    print(f"图像尺寸: {image.shape[1]}x{image.shape[0]}")
    print(f"通道数: {image.shape[2] if len(image.shape) == 3 else 1}")
    
    # 转换为灰度
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # 显示原图和灰度图
    cv2.imshow('原图', image)
    cv2.imshow('灰度图', gray)
    
    # 等待按键
    key = cv2.waitKey(0)
    
    # 按 s 保存灰度图
    if key == ord('s'):
        cv2.imwrite(output_path, gray)
        print(f"灰度图已保存到: {output_path}")
    
    cv2.destroyAllWindows()

# 使用示例
process_image('input.jpg', 'output_gray.jpg')

下一步

掌握了基本的图像操作后，下一章节我们将学习图像处理基础，包括几何变换、图像滤波和边缘检测等内容。