当前位置：首页 > news >正文

从零开始学习：深度学习（基础入门版）（1天）

news 2025/8/8 6:28:51

（一） opencv和opencv-contrib的安装

（1.1）在桌面地底部的搜索栏，搜索命令提示符，点击并打开命令提示符

（1.2）依次输入命令并按回车：pip install opencv-python==3.4.18.65 -i https://pypi.tuna.tsinghua.edu.cn/simple和pip install opencv-contrib-python==3.4.18.65 -i https://pypi.tuna.tsinghua.edu.cn/simple

（二）在pycharm软件中，用python语言，opencv库实现以下功能

此代码主要完成以下任务：

读取并显示一张本地图片
交互式控制窗口行为
输出图像的基础元信息

完整执行流程：

添加了逐行详细注释的完整代码及预期输出示例：

# &#9989; 1. 导入必要的库
import cv2          # OpenCV库用于图像处理与计算机视觉任务
import numpy as np # NumPy库用于高效处理多维数组（图像本质是数组）# &#128193; 2. 读取本地图像文件
a = cv2.imread('1.jpg')  # 从当前工作目录读取名为'1.jpg'的图像文件
#   &#9654;️ 成功时返回一个NumPy数组（形状=[高度, 宽度, 通道数]），失败返回None# &#128421;️ 3. 显示图像窗口
cv2.imshow('tu', a)      # 创建名为'tu'的窗口并显示图像a
#   &#9888;️ 注意：此语句不会自动暂停，需配合waitKey()才能看到效果# &#9208;️ 4. 等待用户按键输入
b = cv2.waitKey(0)       # 阻塞程序执行，直到用户按下任意键
#   &#128273; 参数0表示无限期等待，返回值为按下的键对应的ASCII码（本例未使用该值）# &#10006;️ 5. 关闭所有OpenCV窗口
cv2.destroyAllWindows() # 释放所有创建的GUI窗口资源# &#128221; 6-8. 输出图像元信息
print("图像形状（shape）：", a.shape)    # 输出数组维度：[高, 宽, 通道数]
print("图像数据类型（dtype）：", a.dtype) # 输出像素的数据类型（通常为uint8）
print("图像大小（size）：", a.size)     # 输出总像素数（高×宽×通道数）

图像形状（shape）： (480, 640, 3)
图像数据类型（dtype）： uint8
图像大小（size）： 921600

此代码主要完成以下任务：

灰度化处理与保存
图像区域裁剪与可视化对比
图像元信息输出
多窗口交互式显示

完整执行流程：

添加了逐行详细注释的完整代码及预期输出示例：

# -*- coding: utf-8 -*-
import cv2  # 导入OpenCV库，用于图像处理与计算机视觉任务# ==================== 第一阶段：灰度化处理 & 基础信息输出 ====================
# &#128247; 1. 以灰度模式读取图像
b = cv2.imread(filename=r'./1.jpg', flags=cv2.IMREAD_GRAYSCALE)  # &#9989; 关键参数：flags=cv2.IMREAD_GRAYSCALE
#   ↳ 功能：将输入图像转换为单通道灰度图（而非默认的BGR三通道）
#   ↳ 返回值：NumPy数组，形状为 [高度, 宽度]（二维数组）# &#128421;️ 2. 显示灰度图像窗口
cv2.imshow(winname='zz', mat=b)  # 创建名为 'zz' 的窗口并显示灰度图 b
#   ↳ 注意：此语句不会自动暂停，需配合 waitKey() 才能看到效果# &#9208;️ 3. 等待用户按键（防止窗口一闪而过）
a = cv2.waitKey(0)  # 阻塞程序执行，直到用户按下任意键
#   ↳ 参数 0 表示无限期等待，返回值为按下的键对应的 ASCII 码（本例未使用该值）# &#10006;️ 4. 关闭所有OpenCV窗口
cv2.destroyAllWindows()  # 释放所有创建的GUI窗口资源# &#128221; 5-7. 输出灰度图的元信息
print("图像形状(shape):", b.shape)    # 输出数组维度：[高度, 宽度]（灰度图为二维）
print("图像数据类型(dtype):", b.dtype) # 输出像素的数据类型（通常为 uint8）
print("图像大小(size):", b.size)      # 输出总像素数（高度 × 宽度）# &#128190; 8. 保存灰度图到文件
cv2.imwrite(filename='timg98_GRAY.jpg', img=b)  # 将灰度图 b 保存为新文件
#   ↳ 注意：若文件已存在会被覆盖# ==================== 第二阶段：图像裁剪 & 双窗口对比 ====================
# &#128193; 9. 重新读取原始彩色图像（未指定 flags 参数，默认按 BGR 三通道读取）
a = cv2.imread(r'./1.jpg')  # 返回 BGR 三通道图像（形状为 [高度, 宽度, 3]）# &#9986;️ 10. 裁剪图像区域（基于NumPy数组切片）
b = a[30:230, 100:300]  # 选取矩形区域：纵向 30~230px，横向 100~300px
#   ↳ Python切片规则：起始位置包含，终止位置不包含 → 实际裁剪尺寸：高=200px (230-30)，宽=200px (300-100)# &#128421;️ 11-12. 同时显示原图与裁剪结果
cv2.imshow(winname='yuantu', mat=a)   # 窗口标题 "yuantu"（原图）
cv2.imshow(winname='qiepian', mat=b)  # 窗口标题 "qiepian"（裁剪片段）# &#9208;️ 13. 等待用户按键（保持双窗口可见）
cv2.waitKey(0)  # 阻塞程序执行，直到用户按下任意键# &#10006;️ 14. 关闭所有OpenCV窗口
cv2.destroyAllWindows()  # 释放所有创建的GUI窗口资源

图像形状(shape): (480, 640)       # 灰度图形状（高 x 宽）
图像数据类型(dtype): uint8        # 像素类型（0~255 的无符号整数）
图像大小(size): 307200           # 总像素数 = 480 × 640

此代码主要完成以下任务：

实时获取摄像头视频流 → 转灰度 → 显示画面

完整执行流程：

打开摄像头：通过 cv2.VideoCapture(0) 打开默认摄像头（编号0通常是笔记本内置摄像头）
检查摄像头是否成功打开：如果失败，打印“无法打开视频文件”并退出程序
实时读取视频帧：在一个无限循环中，逐帧读取摄像头画面
将彩色画面转为灰度：使用 cv2.cvtColor 把每一帧从彩色（BGR）转换成灰度图像
实时显示灰度画面：通过 cv2.imshow 在一个名为“Video”的窗口中显示灰度画面
按 ESC 键退出：如果用户按下键盘上的 ESC 键（ASCII码27），则跳出循环
释放资源：关闭摄像头并销毁所有 OpenCV 窗口，避免资源泄露

总结：这段代码会打开你的摄像头，把实时画面变成黑白色，并持续显示，直到你按下 ESC 键退出

添加了逐行详细注释的完整代码及预期输出示例：

import cv2                       # 导入 OpenCV 库
video_capture = cv2.VideoCapture(0)  # 打开默认摄像头（设备索引 0）
if not video_capture.isOpened():     # 检查摄像头是否成功打开print("无法打开视频文件")        # 若打开失败，打印提示信息exit()                          # 退出程序
while True:                         # 无限循环，持续读取摄像头画面ret, frame = video_capture.read()  # 读取一帧：ret 表示是否成功，frame 为图像数据if not ret:                     # 如果读取失败（无画面）break                       # 跳出循环frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 将彩色帧转换为灰度图像cv2.imshow('Video', frame)      # 在名为 'Video' 的窗口中显示当前帧if cv2.waitKey(1) == 27:        # 等待 1 毫秒；若用户按下 ESC（ASCII 27），则跳出循环break
video_capture.release()             # 释放摄像头资源
cv2.destroyAllWindows()             # 关闭所有由 OpenCV 创建的窗口

额外扩充：

cv2.VideoCapture('aiweier.mp4') → 初始化视频捕获对象
isOpened() → 校验文件可读性
while True + read() → 逐帧读取视频流
cvtColor(..., COLOR_BGR2GRAY) → 实时转灰度图
imshow() + waitKey(1) → 动态显示画面 & 响应键盘事件

release() / destroyAllWindows() → 资源清理

import cv2  # 导入 OpenCV 库，用于视频和图像处理# 创建 VideoCapture 对象，打开名为 'aiweier.mp4' 的视频文件
video_capture = cv2.VideoCapture('aiweier.mp4')# 检查视频文件是否成功打开
if not video_capture.isOpened():print("无法打开视频文件")  # 如果无法打开，输出错误提示exit()  # 退出程序# 无限循环，用于逐帧读取和显示视频
while True:# 从视频中读取下一帧ret, frame = video_capture.read()# 如果读取失败（如到达视频末尾），则跳出循环if not ret:break# 将当前帧从 BGR 彩色图像转换为灰度图像frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 在名为 'Video' 的窗口中显示当前帧cv2.imshow('Video', frame)# 等待键盘输入，等待时间为 1 毫秒# 如果按下 ESC 键（ASCII 码为 27），则跳出循环if cv2.waitKey(1) == 27:break# 释放 VideoCapture 对象，关闭视频文件
video_capture.release()# 销毁所有 OpenCV 创建的窗口
cv2.destroyAllWindows()

代码中去除以下代码，代码运行结果为彩色图片

 # 将当前帧从 BGR 彩色图像转换为灰度图像frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

此代码主要完成以下任务：

从彩色图像中分离并可视化其蓝(B)、绿(G)、红(R)三个独立颜色通道

颜色空间特性
- OpenCV 默认使用 BGR 而非 RGB 顺序存储颜色图像，因此：
  - img[:, :, 0] → 蓝色通道
  - img[:, :, 1] → 绿色通道
  - img[:, :, 2] → 红色通道
单通道显示原理
- 每个颜色通道本质上是一个二维矩阵（高度×宽度），值范围通常为 0-255
- 当用 imshow() 显示单通道时，OpenCV 自动将其解释为 8位灰度图像，其中：
  - 0 = 纯黑 → 该颜色成分完全缺失
  - 255 = 纯白 → 该颜色成分达到最大强度
两种通道分离方式对比
- 切片法 (img[:, :, n])：直观高效，适合少量通道提取
- cv2.split()：返回包含所有通道的列表，适用于批量处理多通道场景

完整执行流程：

添加了逐行详细注释的完整代码及预期输出示例：

import cv2
# 1. 读取图像（默认 BGR 顺序）
img = cv2.imread('1.jpg')
if img is None:raise FileNotFoundError('图像加载失败，请检查路径')
# 2. 方法一：直接切片提取单个通道
b_ch = img[:, :, 0]   # 蓝色通道
g_ch = img[:, :, 1]   # 绿色通道
r_ch = img[:, :, 2]   # 红色通道
# 3. 方法二：用 cv2.split 一次拆出三个通道
# b_ch, g_ch, r_ch = cv2.split(img)
# 4. 分别显示三个通道（单通道图像默认以灰度形式呈现）
cv2.imshow('Blue channel', b_ch)
cv2.imshow('Green channel', g_ch)
cv2.imshow('Red channel', r_ch)
# 5. 等待按键（0 表示无限等待，或给足够大的毫秒数）
cv2.waitKey(0)
# 6. 关闭所有窗口
cv2.destroyAllWindows()

此代码主要完成以下任务：

从输入图像中提取并突出显示蓝色通道的信息

完整执行流程：

添加了逐行详细注释的完整代码及预期输出示例：

# -*- coding: utf-8 -*-
"""
功能：读取一张彩色图，只保留蓝色通道，其余通道置 0，并显示结果
"""# 1. 导入库
import cv2
import numpy as np      # 预留，方便后续扩展# 2. 读取原始图像（默认 BGR 顺序）
img = cv2.imread('1.jpg')          # 在当前工作目录下查找 1.jpg
if img is None:                    # 读取失败时 img 为 Noneraise FileNotFoundError('图像加载失败，请检查 1.jpg 是否存在及路径是否正确')# 3. 复制一份，避免修改原图
img_blue = img.copy()              # 得到与原图同尺寸、同内容的备份# 4. 只保留蓝色通道：将绿色、红色通道全部置 0
#   OpenCV 中 BGR 顺序：0-蓝色(B)，1-绿色(G)，2-红色(R)
img_blue[:, :, 1] = 0            # 绿色通道全部设为 0
img_blue[:, :, 2] = 0            # 红色通道全部设为 0
# 此时 img_blue 中仅 B 通道有值，其余两通道为 0，整体呈蓝色调# 5. 显示结果
cv2.imshow('Blue-only color image', img_blue)  # 创建一个窗口并显示处理后的图像
cv2.waitKey(0)                                 # 无限等待，直到键盘任意按键
cv2.destroyAllWindows()                        # 销毁所有已创建的窗口

此代码主要完成以下任务：

演示如何使用 OpenCV 分离图像的 BGR 三通道并重新合并回原始彩色图像

完整执行流程：

步骤	代码行	作用（一句话说明）
1	`import cv2`	引入 OpenCV 库，准备图像处理
2	`img = cv2.imread('1.jpg')`	把当前目录里的 `1.jpg` 读进内存，得到 BGR 彩色矩阵
3	`if img is None:`	若文件不存在或读取失败，立即报错并终止程序
4	`b, g, r = cv2.split(img)`	把彩色图拆成 3 张灰度图：蓝通道、绿通道、红通道
5	`merged = cv2.merge((b, g, r))`	把这三张灰度图按 B-G-R 顺序重新合并成一张与原图相同的彩色图
6	`cv2.imshow('Merged BGR', merged)`	打开窗口，标题为 `Merged BGR`，显示合并后的彩色图
7	`cv2.waitKey(0)`	暂停程序，等待用户按任意键
8	`cv2.destroyAllWindows()`	关闭所有 OpenCV 窗口，释放资源，程序结束

添加了逐行详细注释的完整代码及预期输出示例：

import cv2                       # 导入 OpenCV 库，用于图像读写与显示# 1. 读取图像（默认 BGR 顺序）
img = cv2.imread('1.jpg')        # 从当前工作目录加载 '1.jpg'，返回三维 BGR 数组
if img is None:                  # 检查是否加载成功raise FileNotFoundError('图片路径错误或文件不存在')  # 若失败，立即抛出异常并终止程序# 2. 分离 BGR 三通道
b, g, r = cv2.split(img)         # 把 BGR 图像拆成 3 个单通道数组：b(蓝)、g(绿)、r(红)# 等价于 b = img[:, :, 0]; g = img[:, :, 1]; r = img[:, :, 2]# 3. 重新合并三通道，得到与原图一致的彩色图
merged = cv2.merge((b, g, r))    # 把 b、g、r 三个二维数组按顺序叠成一幅新的三通道彩色图# 也可写成 cv2.merge([b, g, r])# 4. 显示结果
cv2.imshow('Merged BGR', merged) # 创建名为 'Merged BGR' 的窗口并展示合并后的彩色图
cv2.waitKey(0)                   # 无限等待键盘事件；按任意键后继续
cv2.destroyAllWindows()          # 销毁所有已打开的 OpenCV 窗口，释放资源

此代码主要完成以下任务：

对一张图片的局部区域进行随机着色并显示结果

完整执行流程：

步骤	代码行	作用说明
1	`import cv2`	导入 OpenCV 库，用于图像读写与显示
2	`import numpy as np`	导入 NumPy 库，方便生成随机数组并进行矩阵操作
3	`a = cv2.imread('1.jpg')`	读取磁盘文件 `1.jpg`，将其加载为 NumPy 数组并存入变量 `a`
4	`a[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))`	在 `a` 的指定区域（行 100–199、列 200–299）上覆盖随机彩色像素，实现打码/马赛克效果
5	`cv2.imshow('masaike', a)`	新建名为 `masaike` 的窗口，并在其中显示处理后的图像 `a`
6	`cv2.waitKey(1000000)`	等待键盘事件，最长约 1000 秒；期间窗口保持显示
7	`cv2.destroyAllWindows()`	关闭所有由 OpenCV 创建的窗口，释放资源

添加了逐行详细注释的完整代码及预期输出示例：

import cv2           # 导入 OpenCV 库，用于图像的读取、显示与保存
import numpy as np   # 导入 NumPy 库，用于高效的数组操作与随机数生成# 1. 从当前目录读取图像文件 1.jpg，返回一个三维的 BGR 图像数组
a = cv2.imread('1.jpg')# 2. 在图像 a 的指定区域（行 100~199，列 200~299）上覆盖随机彩色像素块
#    np.random.randint(0, 256, (100, 100, 3)) 生成形状为 (100, 100, 3) 的随机整数矩阵，
#    每个元素取值范围 [0, 255]，对应 BGR 三通道，实现“马赛克”或“打码”效果
a[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))# 3. 创建一个名为 'masaike' 的窗口，并在其中显示处理后的图像 a
cv2.imshow('masaike', a)# 4. 等待键盘事件，最长等待 1 000 000 毫秒（≈ 1000 秒）
#    期间窗口保持显示，按任意键可提前结束等待
cv2.waitKey(1000000)# 5. 销毁所有由 OpenCV 创建的窗口，释放资源
cv2.destroyAllWindows()

此代码主要完成以下任务：

将一张图片（`1.jpg`）的特定区域复制到另一张图片（`mimi.jpg`）的指定位置，并同步显示两张图片的效果
完整执行流程：

步骤	代码	作用说明
1	`import cv2`	载入 OpenCV 库，提供图像读写与显示功能
2	`a = cv2.imread('1.jpg')`	读取图像文件 `1.jpg` 并存储到变量 `a`
3	`b = cv2.imread('mimi.jpg')`	读取图像文件 `mimi.jpg` 并存储到变量 `b`
4	`b[200:350, 200:350] = a[50:200, 100:250]`	将 `a` 中第 50–199 行、100–249 列的像素区域复制到 `b` 的第 200–349 行、200–349 列，实现区域替换；要求两块区域尺寸一致（150×150）
5	`cv2.imshow('b', b)`	创建名为 `b` 的窗口并显示处理后的图像 `b`
6	`cv2.imshow('a', a)`	创建名为 `a` 的窗口并显示原始图像 `a`，方便对比查看
7	`cv2.waitKey(100000)`	等待键盘事件，最长约 100 秒；按任意键可提前结束
8	`cv2.destroyAllWindows()`	关闭所有 OpenCV 创建的窗口，释放资源

添加了逐行详细注释的完整代码及预期输出示例：

import cv2                            # 1. 导入 OpenCV 库，用于图像读写与显示# 2. 读取两张图片
a = cv2.imread('1.jpg')               # 读取 1.jpg，存入变量 a（原始图像）
b = cv2.imread('mimi.jpg')            # 读取 mimi.jpg，存入变量 b（目标图像）# 3. 区域复制：将 a 中第 50~199 行、100~249 列的 150×150 像素区域
#    覆盖到 b 中第 200~349 行、200~349 列的位置
#    注意：源区域与目标区域尺寸必须一致（都是 150×150）
b[200:350, 200:350] = a[50:200, 100:250]# 4. 显示处理后的结果
cv2.imshow('b', b)                    # 创建名为 "b" 的窗口，显示替换后的图像 b
cv2.imshow('a', a)                    # 创建名为 "a" 的窗口，显示原始图像 a，便于对比cv2.waitKey(100000)                   # 5. 等待键盘事件，最长约 100 秒；按任意键可提前退出
cv2.destroyAllWindows()               # 6. 关闭所有 OpenCV 创建的窗口，释放资源

此代码主要完成以下任务：

主要演示了 OpenCV 中两种不同的图像缩放方法，并通过窗口对比展示原始图像与缩放后的效果

完整执行流程：

1.读取原始图像 → 2. 尝试两种缩放方式 → 3. 打印原始图像尺寸 → 4. 双窗口对比显示 → 5. 持久化展示结果

步骤	代码	作用说明
1	`import cv2`	导入 OpenCV 库，提供图像读写与显示功能
2	`a = cv2.imread('1.jpg')`	读取文件 1.jpg，将其加载为 NumPy 数组并存入变量 `a`
3	`b = cv2.imread('mimi.jpg')`	读取文件 mimi.jpg，将其加载为 NumPy 数组并存入变量 `b`
4	`b[200:350, 200:350] = a[50:200, 100:250]`	将 `a` 中第 50–199 行、100–249 列的 150×150 像素区域复制到 `b` 的第 200–349 行、200–349 列，实现区域替换（要求两区域尺寸一致）
5	`cv2.imshow('b', b)`	创建名为 “b” 的窗口，显示经过替换处理后的图像 `b`
6	`cv2.imshow('a', a)`	创建名为 “a” 的窗口，显示原始图像 `a`，方便与结果对比
7	`cv2.waitKey(100000)`	等待键盘事件，最长约 100 秒；按任意键可提前结束等待
8	`cv2.destroyAllWindows()`	关闭所有由 OpenCV 创建的窗口，释放资源

添加了逐行详细注释的完整代码及预期输出示例：

import cv2                # 1. 导入 OpenCV 库，用于图像处理与显示# 2. 读取图像文件 mimi.jpg，返回三维 BGR 数组
a = cv2.imread('mimi.jpg')# 3. 第一次缩放：强制把图像调整为指定尺寸
#    dsize=(200, 600) 表示输出图像宽度 200 像素，高度 600 像素
#    注意：此行计算出的 a_new 会被下一行覆盖，实际不会生效
a_new = cv2.resize(a, dsize=(200, 600))  # 宽、高# 4. 第二次缩放：按相对比例缩放
#    dsize=None 表示不使用绝对尺寸，而是根据 fx、fy 进行缩放
#    fx=1.5 → 宽度放大为原来的 1.5 倍
#    fy=0.5 → 高度缩小为原来的 0.5 倍
a_new = cv2.resize(a, dsize=None, fx=1.5, fy=0.5)# 5. 打印原图 a 的形状（行数=高，列数=宽，第 3 维=通道数 BGR）
print(a.shape)  # 高、宽、通道数# 6. 分别显示原图和缩放后的图像
cv2.imshow('a', a)        # 显示原图
cv2.imshow('a_new', a_new)  # 显示缩放后的图像# 7. 等待键盘事件，最长约 100 秒；按任意键可提前退出
cv2.waitKey(100000)# 8. 关闭所有 OpenCV 创建的窗口，释放资源
cv2.destroyAllWindows()