OpenCV-Python实战（1）——OpenCV简介与图像处理基础

一、OpenCV简介：计算机视觉的瑞士军刀

OpenCV（Open Source Computer Vision Library）是一个跨平台的计算机视觉库，由Intel公司于1999年发起，现已发展成全球最活跃的开源视觉项目之一。其核心优势在于：

1. 跨平台支持：支持Windows、Linux、macOS、Android、iOS等主流操作系统
2. 多语言接口：提供C++、Python、Java等接口，Python接口因其简洁性最受欢迎
3. 算法丰富：包含500+个优化算法，涵盖图像处理、特征检测、物体识别、深度学习等
4. 高性能：底层使用C/C++实现，通过Python调用时仍保持高效

在Python生态中，OpenCV通过opencv-python包提供服务，安装只需：

pip install opencv-python

二、图像处理基础：从像素到视觉理解

1. 图像读取与显示

OpenCV使用cv2.imread()读取图像，支持多种格式（JPG、PNG、TIFF等）：

import cv2
# 读取图像（参数1：路径，参数2：标志位）
img = cv2.imread('image.jpg', cv2.IMREAD_COLOR)  # 默认彩色模式
if img is None:
    print("图像加载失败")
else:
    # 显示图像
    cv2.imshow('Display Window', img)
    cv2.waitKey(0)  # 等待按键
    cv2.destroyAllWindows()

关键点：

• IMREAD_COLOR：强制转换为3通道BGR格式
• IMREAD_GRAYSCALE：转换为灰度图
• IMREAD_UNCHANGED：包含alpha通道

2. 颜色空间转换

OpenCV默认使用BGR顺序（与Matplotlib的RGB不同），需特别注意转换：

# BGR转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# BGR转HSV（常用于颜色分割）
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 显示灰度图
cv2.imshow('Gray Image', gray)
cv2.waitKey(0)

应用场景：

• 灰度化：减少计算量，适用于边缘检测
• HSV空间：基于色调（Hue）进行颜色阈值处理

3. 图像几何变换

（1）缩放与旋转

# 缩放（宽度,高度）
resized = cv2.resize(img, (300, 200), interpolation=cv2.INTER_LINEAR)
# 旋转（中心点,角度,缩放比例）
(h, w) = img.shape[:2]
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, 45, 1.0)  # 旋转45度
rotated = cv2.warpAffine(img, M, (w, h))

参数选择：

• 插值方法：INTER_NEAREST（最快）、INTER_LINEAR（平衡）、INTER_CUBIC（高质量）
• 旋转矩阵：通过getRotationMatrix2D生成2x3变换矩阵

（2）平移与仿射变换

# 平移（向右100像素，向下50像素）
M = np.float32([[1, 0, 100], [0, 1, 50]])
translated = cv2.warpAffine(img, M, (w, h))
# 仿射变换（三点映射）
pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
M = cv2.getAffineTransform(pts1, pts2)
affine = cv2.warpAffine(img, M, (w, h))

4. 图像阈值处理

全局阈值示例：

# 全局阈值（127为阈值，255为最大值，THRESH_BINARY）
ret, thresh1 = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 自适应阈值（解决光照不均）
thresh2 = cv2.adaptiveThreshold(gray, 255, 
                               cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                               cv2.THRESH_BINARY, 11, 2)

方法对比：

• 全局阈值：简单快速，但依赖光照条件
• 自适应阈值：基于局部邻域计算，适用于非均匀光照

5. 边缘检测

Canny边缘检测三步曲：

# 1. 高斯模糊降噪
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 2. 计算梯度
edges = cv2.Canny(blurred, 50, 150)  # 阈值1和阈值2
# 3. 可选：膨胀连接断裂边缘
kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(edges, kernel, iterations=1)

参数调优建议：

• 高斯核大小：奇数（如3,5,7），值越大模糊效果越强
• Canny阈值：阈值1控制弱边缘，阈值2控制强边缘，典型比例1:2或1:3

三、实战建议：从理论到应用的桥梁

1. 调试技巧：

   • 使用cv2.imwrite()保存中间结果
   • 通过print(img.shape)验证图像维度
   • 注意BGR与RGB的顺序差异（Matplotlib显示时需转换）

2. 性能优化：

   • 大图像处理前先缩放
   • 重复操作使用cv2.UMat（OpenCL加速）
   • 批量处理时复用内存（避免频繁imread）

3. 扩展学习：

   • 结合NumPy进行像素级操作（如img[:,:,0]访问蓝色通道）
   • 学习cv2.draw系列函数实现可视化标注
   • 探索cv2.dnn模块加载预训练深度学习模型

四、常见问题解答

Q1：为什么imread返回None？

• 检查文件路径是否正确（建议使用绝对路径）
• 确认文件格式是否受支持
• 检查文件权限

Q2：如何显示中文标签？
OpenCV原生不支持中文，解决方案：

# 方法1：使用PIL叠加中文
from PIL import Image, ImageDraw, ImageFont
import numpy as np
def cv2_add_text(img, text, pos, font_size=20):
    img_pil = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    draw = ImageDraw.Draw(img_pil)
    font = ImageFont.truetype("simhei.ttf", font_size)  # 需指定中文字体文件
    draw.text(pos, text, font=font, fill=(255, 0, 0))
    return cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)
# 方法2：使用OpenCV的putText（仅限英文）
cv2.putText(img, 'Hello', (10, 30), 
            cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)

Q3：如何处理透明通道？

# 读取包含alpha通道的PNG
img_bgra = cv2.imread('image.png', cv2.IMREAD_UNCHANGED)
if img_bgra.shape[2] == 4:  # 4通道
    b, g, r, a = cv2.split(img_bgra)
    # 使用alpha通道作为掩膜
    mask = a > 0
    # ...后续处理

五、总结与展望

本篇系统介绍了OpenCV-Python的基础操作，从环境搭建到核心图像处理技术。掌握这些基础后，读者可进一步探索：

• 特征检测（SIFT、SURF、ORB）
• 视频流处理
• 深度学习模型集成（如YOLO、Mask R-CNN）
• 3D视觉与SLAM

建议通过实际项目巩固知识，例如实现一个简单的文档扫描APP，综合运用透视变换、二值化、边缘检测等技术。下一篇将深入讲解图像滤波与形态学操作，敬请期待。