OpenCV 基础操作实战指南：从图像处理到交互控制

OpenCV（Open Source Computer Vision Library）是一个强大的计算机视觉库，广泛应用于图像处理、视频分析等领域。本文将通过实战代码解析，带你掌握 OpenCV 的核心基础操作，包括图像读写、视频处理、图形绘制、鼠标交互和轨迹栏控制等关键技能。

一、图像基本操作：读取、显示与保存

图像操作是 OpenCV 的基础，以下代码展示了如何读取灰度图像、显示图像，并通过按键交互实现窗口关闭和图像保存功能。

import cv2
import numpy as np# 读取图像，0表示以灰度模式读取
img = cv2.imread("1.jpg", 0)
# 显示图像，第一个参数是窗口名称，第二个是图像数据
cv2.imshow('test', img)
# 等待按键输入，0表示无限等待
key = cv2.waitKey(0)# 按键判断（注意：waitKey返回ASCII码，需用ord()转换）
if key == ord('q'):  # 按q键关闭窗口cv2.destroyAllWindows()
if key == ord('s'):  # 按s键保存图像cv2.imwrite('2.jpg', img)

关键函数解析：

• cv2.imread(path, flag)：读取图像，flag=0为灰度图，flag=1为彩色图（默认）
• cv2.imshow(window_name, img)：创建窗口并显示图像
• cv2.waitKey(delay)：等待按键事件，delay=0表示无限等待，返回按键 ASCII 码
• cv2.imwrite(path, img)：保存图像到指定路径
• cv2.destroyAllWindows()：关闭所有 OpenCV 创建的窗口

二、结合 Matplotlib 显示图像

除了 OpenCV 自带的显示功能，还可以结合 Matplotlib 库展示图像，适合需要更丰富绘图功能的场景。

import numpy as np
import cv2
from matplotlib import pyplot as plt# 读取灰度图像
img = cv2.imread('ocv01.jpg', 0)
# 使用matplotlib显示，cmap='gray'确保灰度图正确显示
plt.imshow(img, cmap='gray', interpolation='bicubic')
# 隐藏坐标轴刻度
plt.xticks([]), plt.yticks([])
# 显示图像
plt.show()

注意事项：

• OpenCV 读取的彩色图像默认是 BGR 格式，而 Matplotlib 使用 RGB 格式，若显示彩色图需先转换：img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
• interpolation参数控制插值方式，bicubic（双三次插值）可获得更平滑的显示效果

三、视频处理：捕获与保存

OpenCV 不仅能处理图像，还能直接操作视频流（包括摄像头和视频文件）。

1. 实时摄像头捕获

import cv2
import numpy as np# 打开摄像头，0表示默认摄像头
cap = cv2.VideoCapture(0)while(True):# 读取一帧图像，ret表示是否成功，frame是图像数据ret, frame = cap.read()# 显示帧cv2.imshow('frame', frame)# 按q键退出循环（waitKey(1)表示等待1ms）if cv2.waitKey(1) & 0xFF == ord('q'):break# 释放资源
cap.release()
cv2.destroyAllWindows()

2. 视频保存

import cv2
import numpy as np# 打开摄像头
cap = cv2.VideoCapture(0)# 定义编码器，'XVID'是常用的视频编码格式
fourcc = cv2.VideoWriter_fourcc(*'XVID')
# 创建视频写入对象：输出路径、编码器、帧率、分辨率
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))while(cap.isOpened()):ret, frame = cap.read()if ret == True:# 翻转帧（0表示上下翻转）frame = cv2.flip(frame, 0)# 写入帧out.write(frame)# 显示帧cv2.imshow('frame', frame)# 按q键退出if cv2.waitKey(1) & 0xFF == ord('q'):breakelse:break# 释放资源
cap.release()
out.release()
cv2.destroyAllWindows()

核心概念：

• cv2.VideoCapture()：用于打开视频源（摄像头 ID 或视频文件路径）
• fourcc：四字符代码，指定视频编码器（如 'XVID'、'MP4V' 等）
• cv2.VideoWriter()：视频写入对象，需指定输出路径、编码器、帧率和分辨率

四、图形绘制：在图像上绘制基本形状

OpenCV 提供了丰富的绘图函数，可在图像上绘制直线、矩形、圆等基本图形。

import cv2
import numpy as np# 创建512x512的黑色画布（3通道彩色图）
img = np.zeros((512, 512, 3), np.uint8)# 绘制直线：起点(0,0)，终点(511,511)，颜色(255,0,0)（蓝色），线宽5
cv2.line(img, (0,0), (511,511), (255,0,0), 5)# 绘制矩形：左上角(384,0)，右下角(510,128)，颜色(0,255,0)（绿色），线宽3
cv2.rectangle(img, (384,0), (510,128), (0,255,0), 3)# 绘制圆：圆心(447,63)，半径63，颜色(0,0,255)（红色），-1表示填充
cv2.circle(img, (447,63), 63, (0,0,255), -1)# 绘制椭圆：中心(256,256)，长轴100，短轴50，旋转角0，起始角0，结束角180，颜色255，填充
cv2.ellipse(img, (256,256), (100,50), 0, 0, 180, 255, -1)# 绘制文字：内容'OpenCV'，位置(10,500)，字体，大小1，颜色白色，线宽2，抗锯齿
cv2.putText(img, 'OpenCV', (10,500), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255,255), 2, cv2.LINE_AA)# 显示绘制结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

颜色表示：OpenCV 中颜色以 (B, G, R) 格式表示，如(255,0,0)表示蓝色。

五、鼠标交互：通过鼠标事件绘制图形

OpenCV 支持鼠标事件监听，可实现交互式绘图功能。

import cv2
import numpy as np# 全局变量：绘图状态、模式（矩形/圆形）、起点坐标
drawing = False  # 是否正在绘图
mode = True      # True：矩形，False：圆形
ix, iy = -1, -1  # 起点坐标# 鼠标回调函数
def draw_circle_extensive(event, x, y, flags, param):global drawing, mode, ix, iyif event == cv2.EVENT_LBUTTONDOWN:# 左键按下：开始绘图，记录起点drawing = Trueix, iy = x, yelif event == cv2.EVENT_MOUSEMOVE:# 鼠标移动：如果正在绘图，根据模式绘制if drawing == True:if mode == True:cv2.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)  # 矩形else:cv2.circle(img, (x, y), 5, (0, 0, 255), -1)  # 圆形elif event == cv2.EVENT_LBUTTONUP:# 左键释放：结束绘图，完成最终绘制drawing = Falseif mode == True:cv2.rectangle(img, (ix, iy), (x, y), (0, 255, 0), -1)else:cv2.circle(img, (x, y), 5, (0, 0, 255), -1)# 创建黑色画布
img = np.zeros((512, 512, 3), np.uint8)
cv2.namedWindow('image')
# 设置鼠标回调函数
cv2.setMouseCallback('image', draw_circle_extensive)while(1):cv2.imshow('image', img)k = cv2.waitKey(20) & 0xFFif k == ord('q'):  # 按q退出breakelif k == ord('m'):  # 按m切换模式mode = not modecv2.destroyAllWindows()

常用鼠标事件：

• EVENT_LBUTTONDOWN：左键按下
• EVENT_MOUSEMOVE：鼠标移动
• EVENT_LBUTTONUP：左键释放
• EVENT_LBUTTONDBLCLK：左键双击

六、轨迹栏控制：通过滑动条交互调整参数

轨迹栏（Trackbar）是 OpenCV 的另一种交互方式，可用于实时调整参数。

import cv2
import numpy as np# 创建黑色画布
img = np.zeros((512, 512, 3), np.uint8)
cv2.namedWindow('image')# 创建轨迹栏：名称、窗口名、最小值、最大值、回调函数
cv2.createTrackbar('B', 'image', 0, 255, lambda x: None)
cv2.createTrackbar('G', 'image', 0, 255, lambda x: None)
cv2.createTrackbar('R', 'image', 0, 255, lambda x: None)# 创建开关轨迹栏
switch = '0 : OFF \n1 : ON'
cv2.createTrackbar(switch, 'image', 0, 1, lambda x: None)while(1):cv2.imshow('image', img)k = cv2.waitKey(1) & 0xFFif k == 27:  # 按ESC退出break# 获取轨迹栏当前值r = cv2.getTrackbarPos('R', 'image')g = cv2.getTrackbarPos('G', 'image')b = cv2.getTrackbarPos('B', 'image')s = cv2.getTrackbarPos(switch, 'image')# 根据开关状态设置图像颜色if s == 0:img[:] = 0  # 关闭状态：黑色else:img[:] = [b, g, r]  # 打开状态：设置为轨迹栏指定的颜色cv2.destroyAllWindows()

轨迹栏工作流程：

1. cv2.createTrackbar()创建轨迹栏
2. cv2.getTrackbarPos()获取当前值
3. 在循环中实时更新图像，实现参数调整的可视化反馈

总结

本文通过 7 个实战案例，系统介绍了 OpenCV 的核心基础操作，包括：

• 图像的读取、显示与保存
• 结合 Matplotlib 展示图像
• 视频的捕获与保存
• 基本图形的绘制
• 鼠标交互绘图
• 轨迹栏参数控制

这些操作是 OpenCV 应用的基础，掌握后可进一步学习图像处理（如滤波、边缘检测）、目标检测等高级功能。实际使用时，需注意函数参数的正确设置（如颜色通道顺序、坐标系统）和资源的及时释放，以避免内存泄漏。