计算机视觉第一课opencv（一）保姆级教学

目录

简介

一、opencv的安装

1.安装opencv

2.pycharm补全问题

二、图像RGB

三、opencv基本操作

1.图像读取与显示

2.读取灰度图

 3.ROI（感兴趣区域）

4.读取视频文件

5.颜色通道处理

6.通道合并

7.图片修改操作

7.1图片打码

7.2图片组合

7.3图片缩放

总结

---

简介

        想踏入计算机视觉的大门，却被复杂的概念和工具吓退？OpenCV 作为视觉处理的 “瑞士军刀”，其实没那么难上手！本博客作为 “计算机视觉 OpenCV 第一课”，专为零基础新手打造保姆级教程：从 OpenCV 的安装（Windows/Linux/Mac 全平台覆盖），到第一个程序的编写与运行；从如何读取、显示、保存图片，到像素的基本操作（如修改颜色、裁剪图像），每一步都附带完整代码和清晰注释。无需高深的数学知识，也不用提前了解图像处理原理，跟着教程敲代码，你会发现：原来用几行代码就能让计算机 “看见” 并处理图像！我们还会用实例拆解常见报错的解决办法，帮你避开入门时的各种 “坑”。读完这个系列，你将掌握 OpenCV 的基础操作，为后续学习图像滤波、边缘检测、目标识别等进阶内容打下扎实基础，轻松迈出计算机视觉的第一步。

一、opencv的安装

1.安装opencv

打开cmd或者pycharm都可以进行下载

pip install opencv-python==3.4.18.65 -i https://pypi.tuna.tsinghua.edu.cn/simple

        使用清华镜像园下载更快，这里建议不要安装最新的版本，还是使用相对中间的版本，这样后面不会跟其他的库产生冲突，后期因为库的报错问题比较少。

        安装完opencv-Python我们接着安装opencv-contrib-python，它是安装 OpenCV 的 contrib 扩展模块（包含更多功能）

pip install opencv-contrib-python==3.4.18.65 -i https://pypi.tuna.tsinghua.edu.cn/simple

        两个版本要相同，都出现成功安装的提示就是安装完成

2.pycharm补全问题

        当我们安装完成准备去pycharm上使用发现导入opencv后没有补全功能，这是因为我们的版本不是最新的版本，需要我们去移动一个文件。

导入opencv

import cv2

我们要找到我们Python的安装目录比如我的

C:\Users\DELL\AppData\Local\Programs\Python\Python39

找到Lib目录下的第三方包

找到cv2找到里面的cv2.pyd文件复制到上一级目录里面也就是sit-packages下

这样我们就发现我们的补全正常了

二、图像RGB

我们要简单了解一下图像的一些基础知识

对于一个彩色的图像：

都是由RGB 三通道是数字图像表示颜色的基础方式，它通过红（Red）、绿（Green）、蓝（Blue）三种基本颜色的组合来呈现出丰富的色彩效果。

三通道的基本概念

对于一张彩色的图片读取可以发现是一个三维的数组，为：高度*宽度*通道

• 通道本质：每个通道都是一个二维矩阵，矩阵中的每个值代表该位置像素的亮度（0-255，0 为最暗，255 为最亮）
• 组合原理：每个像素的颜色由三个通道的对应位置值共同决定
• 存储形式：在 OpenCV 中，RGB 图像存储为形状为(高度, 宽度, 3)的 NumPy 数组，第三维对应三个通道

各通道的作用

• 红色通道（R）：控制像素中红色分量的强度
  • 值越高，红色越鲜艳；值为 0 时无红色成分
• 绿色通道（G）：控制像素中绿色分量的强度
  • 值越高，绿色越鲜艳；值为 0 时无绿色成分
• 蓝色通道（B）：控制像素中蓝色分量的强度
  • 值越高，蓝色越鲜艳；值为 0 时无蓝色成分

三、opencv基本操作

现在有张彩色图片：

1.图像读取与显示

import cv2  # 读取的格式是BGR numpy
a = cv2.imread('dama.jpg')  # 读取图片，返回NumPy数组(BGR格式)
cv2.imshow('tu', a)         # 显示图片，参数为窗口名称和图像数据
b = cv2.waitKey(0)          # 等待用户按键，0表示无限等待
cv2.destroyAllWindows()     # 关闭所有窗口# 图像属性查看
print("图像形状(shape):", a.shape)  # (高度, 宽度, 通道数)
print("图像数据类型(dtype):", a.dtype)  # 通常是uint8(0-255)
print("图像大小(size):", a.size)   # 总像素数=高度×宽度×通道数

• cv2.imread()默认读取彩色图像，格式为 BGR 而非 RGB
• waitKey(0)会等待用户按下任意键，返回按键的 ASCII 码
• 对于简单程序，窗口会在程序结束时自动关闭

2.读取灰度图

import cv2
b = cv2.imread(r'dama.jpg', cv2.IMREAD_GRAYSCALE)  # 读取为灰度图
cv2.imshow('xx', b)
a = cv2.waitKey(0)
cv2.destroyAllWindows()# 灰度图属性
print("图像形状(shape):", b.shape)  # 灰度图只有高度和宽度，无通道数
print("图像数据类型(dtype):", b.dtype)
print("图像大小(size):", b.size)# 保存图片
cv2.imwrite('timg98_GRAY.jpg', b)  # 保存处理后的图像

• cv2.IMREAD_GRAYSCALE等价于参数0，将图像转为单通道灰度图
• cv2.imwrite()可以保存处理后的图像到指定文件

        图片从彩色图片转化为灰度图就相当于三维数组转换为二维数组，也就是三通道转换为单通道。转换为灰度图像像素值会变小计算速度更快。

 3.ROI（感兴趣区域）

我们也可以选取图像中的一部分

import cv2
a = cv2.imread(r'dama.jpg')
b = a[30:230, 100:300]  # 通过NumPy切片获取ROI，[行范围, 列范围]
cv2.imshow('yuantu', a)
cv2.imshow('qiepian', b)
cv2.waitKey(0)
cv2.destroyAllWindows()

• ROI 是图像中需要重点处理的区域
• 切片语法为[y1:y2, x1:x2]，对应图像的高度范围和宽度范围

4.读取视频文件

        视频文件可以看作有很多张照片一帧一帧组成，所以对于读取视频也就相当于读取每一帧的照片。

import cv2
video_capture = cv2.VideoCapture('hzw.mp4')  # 打开视频文件，参数为0时打开摄像头if not video_capture.isOpened():print("无法打开视频文件")exit()while True:ret, frame = video_capture.read()  # 读取一帧，ret表示是否成功if not ret:break  # 读取完毕或出错时退出# 转为灰度图处理frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)cv2.imshow('Video', frame)if cv2.waitKey(100) == 27:  # 按下ESC键(ASCII码27)退出breakvideo_capture.release()  # 释放视频资源
cv2.destroyAllWindows()

• 视频处理本质是逐帧处理图像
• waitKey(100)表示等待 1 毫秒，控制视频播放速度
• 必须调用release()释放视频捕获资源

5.颜色通道处理

import cv2
# 读取图像
a = cv2.imread(r'dama.jpg')# 提取颜色通道
a1 = a[:, :, 0]  # 蓝色通道(B)
a2 = a[:, :, 1]  # 绿色通道(G)
a3 = a[:, :, 2]  # 红色通道(R)# 或者使用split函数
b, g, r = cv2.split(a)  # 分离为三个单通道# 显示各通道(单通道显示为灰度图)
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('r', r)
cv2.waitKey(100000)
cv2.destroyAllWindows()# 只保留蓝色通道(显示为彩色)
a_new = a.copy()
a_new[:, :, 1] = 0  # 绿色通道设为0
a_new[:, :, 2] = 0  # 红色通道设为0
cv2.imshow('result2', a_new)
cv2.waitKey(100000)
cv2.destroyAllWindows()

• OpenCV 默认使用 BGR 格式而非 RGB
• 单通道图像显示为灰度，值越大越亮
• 要显示单颜色通道的彩色效果，需将其他通道置 

6.通道合并

import cv2
a = cv2.imread(r'dama.jpg')
b, g, r = cv2.split(a)  # 分离通道
img = cv2.merge((b, g, r))  # 合并通道，注意顺序必须是BGR
cv2.imshow('result3', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

• cv2.merge()用于将分离的通道重新组合为彩色图像
• 合并顺序必须与 OpenCV 的 BGR 格式一致

7.图片修改操作

7.1图片打码

        这里使用到了numpy的随机生成数、将指定范围重新生成0-255的图像，选取的大小要和生成的图像大小相同

import cv2
a = cv2.imread(r'dama.jpg')
# 在指定区域添加随机颜色的马赛克
a[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))
cv2.imshow('masaike', a)
cv2.waitKey(1000000)
cv2.destroyAllWindows()

• 通过 NumPy 数组赋值修改图像像素
• 赋值区域的大小必须与原始区域完全匹配

7.2图片组合

把一张图片的一部分组合到另外一张图片上

import cv2
a = cv2.imread('dama.jpg')
b = cv2.imread('Log_Big_Mom.png')
# 将a的部分区域复制到b的指定位置
b[200:350, 200:350] = a[50:200, 100:250]  # 两个区域大小必须相同
cv2.imshow('b', b)
cv2.imshow('a', a)
cv2.waitKey(100000)
cv2.destroyAllWindows()

• 实现图像拼接或覆盖效果
• 注意两个区域的尺寸必须完全一致

7.3图片缩放

import cv2
a = cv2.imread('dama.jpg')
# 方法1:指定目标大小(宽, 高)
a_new = cv2.resize(a, dsize=(200, 600))# 方法2:指定缩放比例
# a_new = cv2.resize(a, dsize=None, fx=1.5, fy=0.5)  # fx:x轴缩放, fy:y轴缩放cv2.imshow('a', a)
cv2.imshow('a_new', a_new)
cv2.waitKey(100000)
cv2.destroyAllWindows()

• cv2.resize()提供两种缩放方式：指定目标尺寸或缩放比例
• 注意dsize参数是 (宽度，高度)，而图像 shape 是 (高度，宽度

总结

这些示例涵盖了 OpenCV 的基础操作，包括图像读写、显示、通道处理、区域操作、视频处理等核心功能，是学习计算机视觉的良好起点。后面还会继续介绍opencv的更多操作。