当前位置：首页 > news >正文

OpenCV入门：图像处理基础教程

news 2025/8/8 5:24:42

OpenCV简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库。它包含超过2500种优化算法，涵盖图像处理、物体识别、人脸检测、3D重建、视频分析等任务。

核心功能

图像处理：滤波、边缘检测、几何变换。
视频分析：运动估计、背景减除。
物体检测：人脸、行人、文本等。
相机标定：3D重建、AR应用。
机器学习：SVM、KNN、神经网络等集成。

下载与安装

Python环境安装

通过pip直接安装：

pip install opencv-python  # 仅核心模块
pip install opencv-contrib-python  # 包含额外模块

资源推荐

官方文档：docs.opencv.org
GitHub仓库：github.com/opencv/opencv
教程：OpenCV官方提供的Python和C++示例代码。

基础功能

1 读取图片

import cv2
import numpy as np
a=cv2.imread('test.png')
cv2.imshow('tu',a)
print(a.shape)
print(a.size)
print(a.dtype)
b=cv2.waitKey(0)
# cv2.destroyAllWindows()

这里线导入了opencv的库CV2，读取了一张图片，这里我们读取后的数据为（*，*，3），因为默认读取的是RGB三个通道的。然后cv2.show()可以展示图片，cv2.waitKey(0)表示停留时间，如果参数为0，表示一直停留，如果是其他表示停留n毫秒。cv2.destroyAllWindows()表示关闭所有界面

2 转化灰度图和保存

import cv2
import numpy as np
# a=cv2.imread('test.png',cv2.IMREAD_GRAYSCALE)
# a=cv2.imread('test.png',0)#等效
a=cv2.imread('test.png')
a=cv2.cvtColor(a,cv2.COLOR_BGR2GRAY)
cv2.imshow('tu',a)
cv2.waitKey(0)
cv2.destroyAllWindows()
#图片保存
cv2.imwrite('test0.jpg',a)

这里采用了三种方法来转化灰度图，前两种都是在读取的同时就转化为灰度图了，第一种用cv2.IMREAD_GRAYSCALE来直接转换，其实吧这个替换为0也是同样效果。还有一种是用cv2.cvtColor(a,cv2.COLOR_BGR2GRAY)来转的。最后可以用cv2.imwrite('test0.jpg',a)来保存。

3 抠图

#抠图
import cv2
import numpy as np
a=cv2.imread('test.png')#等效b=a[100:300,280:500]
cv2.imshow('b',b)
cv2.imshow('tu',a)
cv2.waitKey(0)
#图片保存
cv2.imwrite('test0.jpg',a)

这里就像数组一样，可以进行切片。然后选取我们要选中的区域

我们可以这样理解图片，图片是由一个一个像素组成的，cv2库把像素点量化了（0-255）。通过cv2,我们可以把一组数组转化为图片，也可以把图片转化为数组。所有我们可以选中一块区域来转化为图片。

4 读取视频

#读取视频
import cv2
import numpy as np
video=cv2.VideoCapture('test.mp4')
# video=cv2.VideoCapture(0)         #0表示打开摄像头
if not video.isOpened():            #判断是否打开print("视频打开失败")
while True:ret,frame=video.read()              #ret表示是否读取到下一帧，用于终止画面的if not ret:break# frame=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)    #把图像转化为黑白的cv2.imshow('frame',frame)if cv2.waitKey(30)  == 27:          #27为esc的ASCII码，只有esc才能退出breakvideo.release()
cv2.destroyAllWindows()

我们用cv2.VideoCapture('test.mp4')来读取一个视频，然后判断是否打开了（防止意外发生），然后如果打开了就进入一个循环，就是读取视频的每一帧，然后如果存在这里ret就为True：帧读取成功，可继续处理，否则就停止了。然后对这一帧进行展示，然后下面cv2.waitKey()中填参数来控制速度越大就会播放的速度。最后要对视频资源进行释放，否则如果视频资源太多会卡顿。

5 提取RGB通道

提取RGB通道
import cv2
import numpy as np
a=cv2.imread('test.png')#等效
a1=a[:,:,0]
a2=a[:,:,1]
a3=a[:,:,2]
cv2.imshow('Red Channel (Grayscale)', a2)
cv2.waitKey(0)b,g,r=cv2.split(a)
cv2.imshow('a',a)
cv2.imshow('g',g)
cv2.imshow('b',b)
cv2.imshow('r',r)
cv2.waitKey(0)a_new=a.copy()
a_new[:,:,0]=0
a_new[:,:,1]=0
# a_new[:,:,2]=0
cv2.imshow('Red',a_new)
cv2.waitKey(0)b,g,r=cv2.split(a)
cv2.imshow('a',a)cv2.imshow('g',g)
cv2.imshow('b',b)
cv2.imshow('r',r)n=cv2.merge([b,g,r])
cv2.imshow('new',n)
cv2.waitKey(0)

上面提供了三种提供RGB的方式，但是如果我们展示单通道的时候会自动转化为灰白的图片，只有当我们将其与两种设为0，这样才会展现出。（RGB顺序和RGB不一样，他是以BGR顺序存在的）

6 图片打码

import cv2
import numpy as np
a=cv2.imread('test.png')#等效
a[100:300,280:500]=np.random.randint(0,255,(200,220,3))
cv2.imshow('a',a)
cv2.waitKey(0)

还是和上面说的一样，图片由像素表示，像素由数字控制大小，如果我们把指定区域的数字取随机数，那么这块就相当于打码了

7 图片组合

import cv2
import numpy as np
a=cv2.imread('test.png')#等效
b=cv2.imread('img.png')
a[100:300,280:500]=b[100:300,200:420]
cv2.imshow('a',a)
cv2.waitKey(0)

这个就是把像素的一块，替换为另一张图片的一块，和上面图片打码的核心是差不多的。值得注意的是，这里两张图片取的大小要对应。

8 图片缩放

import cv2
import numpy as np
a=cv2.imread('test.png')#等效
cv2.imshow('a',a)
# b=cv2.resize(a,(300,300))
b=cv2.resize(a,dsize=None,fx=1.5,fy=1.5)
cv2.imshow('b',b)
cv2.waitKey(0)

这里由两种方法，虽然都是用resize，但一个是直接给出你要放大或缩小到多少像素大小，另一种是要横向x和纵向y要放大或缩小多少倍

总结

OpenCV是一个开源的计算机视觉库，提供2500多种优化算法，支持图像处理、视频分析、物体检测等任务。摘要介绍了OpenCV的基础功能：1）读取和显示图片；2）灰度图转换与保存；3）图像区域裁剪；4）视频读取与处理；5）RGB通道分离与合并；6）图像打码处理；7）图像组合；8）图像缩放。这些功能展示了OpenCV如何通过像素级操作实现基础图像处理，为更复杂的计算机视觉应用奠定基础。

查看全文

http://www.dtcms.com/a/318908.html