一、OpenCV基础操作概述

OpenCV（Open Source Computer Vision Library）是一个跨平台的计算机视觉库，支持C++、Python、Java等多种语言。其核心优势在于提供高效的图像处理与计算机视觉算法实现，广泛应用于人脸识别、目标检测、图像分割等领域。基础操作是掌握OpenCV的核心，涵盖图像的读取、显示、像素级处理及几何变换等关键功能。

二、图像读取与显示

1. 图像读取

OpenCV通过cv2.imread()函数读取图像文件，支持JPG、PNG等常见格式。函数参数包括文件路径和读取模式（如cv2.IMREAD_COLOR默认读取彩色图像，cv2.IMREAD_GRAYSCALE读取灰度图像）。

import cv2
# 读取彩色图像
img_color = cv2.imread('image.jpg', cv2.IMREAD_COLOR)
# 读取灰度图像
img_gray = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

注意事项：若文件路径错误或图像损坏，imread()会返回None，需通过if img is None:进行异常处理。

2. 图像显示

使用cv2.imshow()显示图像，窗口标题需为字符串类型，参数为窗口名和图像矩阵。cv2.waitKey(0)表示等待键盘输入，参数为毫秒（0表示无限等待）。

cv2.imshow('Color Image', img_color)
cv2.waitKey(0)
cv2.destroyAllWindows()  # 关闭所有窗口

优化建议：在Jupyter Notebook中，可通过matplotlib显示图像以避免窗口管理问题。

三、像素级操作

1. 访问像素值

OpenCV图像以NumPy数组形式存储，彩色图像为三维数组（高度×宽度×通道），灰度图像为二维数组。通过索引访问像素值时，需注意OpenCV默认使用BGR通道顺序。

# 访问(100,100)位置的像素值（BGR格式）
pixel_bgr = img_color[100, 100]
# 修改为红色
img_color[100, 100] = [0, 0, 255]

2. 遍历像素

通过嵌套循环遍历图像像素，适用于需要逐像素处理的场景（如自定义滤波）。

height, width = img_gray.shape[:2]
for y in range(height):
    for x in range(width):
        # 反转灰度值
        img_gray[y, x] = 255 - img_gray[y, x]

性能优化：对于大规模图像，建议使用NumPy的向量化操作替代循环。

3. ROI（Region of Interest）操作

通过切片操作提取图像的局部区域，常用于目标检测或图像拼接。

# 提取左上角(50,50)到右下角(200,200)的区域
roi = img_color[50:200, 50:200]

四、图像几何变换

1. 图像缩放

使用cv2.resize()调整图像尺寸，支持线性插值（cv2.INTER_LINEAR）和最近邻插值（cv2.INTER_NEAREST）。

# 缩放为原图的50%
resized = cv2.resize(img_color, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_LINEAR)

2. 图像旋转

通过cv2.getRotationMatrix2D()生成旋转矩阵，再应用cv2.warpAffine()实现旋转。

# 旋转45度，缩放因子为1
(h, w) = img_color.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, 45, 1)
rotated = cv2.warpAffine(img_color, M, (w, h))

3. 图像翻转

cv2.flip()支持水平翻转（1）、垂直翻转（0）和同时翻转（-1）。

flipped_h = cv2.flip(img_color, 1)  # 水平翻转

五、绘图功能

1. 绘制几何图形

OpenCV提供绘制直线、矩形、圆形和文本的函数，参数包括图像、坐标、颜色和线宽。

# 绘制蓝色矩形（BGR格式）
cv2.rectangle(img_color, (50, 50), (200, 200), (255, 0, 0), 2)
# 绘制绿色圆形
cv2.circle(img_color, (300, 300), 50, (0, 255, 0), -1)  # -1表示填充

2. 添加文本

cv2.putText()支持指定字体、位置、颜色和缩放比例。

font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img_color, 'OpenCV Demo', (50, 50), font, 1, (0, 0, 255), 2)

六、实用技巧与最佳实践

1. 数据类型转换：OpenCV默认使用uint8类型，处理浮点运算时需先转换为float32。
2. 通道顺序：注意BGR与RGB的转换，可通过cv2.cvtColor(img, cv2.COLOR_BGR2RGB)实现。
3. 性能优化：对大图像处理时，优先使用OpenCV内置函数（如cv2.GaussianBlur()）而非自定义循环。
4. 错误处理：检查图像是否成功加载，避免后续操作报错。

七、总结

OpenCV基础操作是计算机视觉开发的基石，掌握图像读写、像素处理、几何变换及绘图功能后，可进一步学习特征提取、目标检测等高级技术。建议通过实际项目（如人脸识别、车牌识别）巩固知识，同时参考OpenCV官方文档（docs.opencv.org）获取最新API说明。