1. 图像处理入门:从零开始掌握OpenCV基础操作
作为一名计算机视觉方向的开发者,我经常被问到如何快速入门图像处理。今天我想分享自己学习OpenCV的实战笔记,重点讲解图像处理中最基础也最核心的操作。这些内容来自我实际项目中的经验总结,特别适合刚接触图像处理的同学。
在计算机眼中,图像本质上是一个三维数组。以最常见的RGB图像为例,它由红(Red)、绿(Green)、蓝(Blue)三个通道组成,每个通道都是一个二维矩阵,矩阵中的每个元素代表该位置的像素强度值。理解这个基础概念非常重要,因为后续所有的图像处理操作本质上都是在操作这些数值矩阵。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 图像读取与显示
2.1 读取彩色图像
让我们从最基本的图像读取开始。OpenCV提供了imread函数来加载图像:
python复制import cv2
import numpy as np
# 读取一张图像
img = cv2.imread('img.jpg')
print(img.shape) # 输出图像维度 (高度, 宽度, 通道数)
print('='*60)
print(img) # 打印像素值矩阵
cv2.imshow('image', img)
cv2.waitKey(0) # 等待按键
cv2.destroyAllWindows()
这里有几个关键点需要注意:
- imread默认读取的是BGR格式,而不是常见的RGB格式
- 图像的shape是(H,W,C)形式,即高度、宽度、通道数
- waitKey(0)表示无限等待按键,正数则表示等待毫秒数
提示:OpenCV中图像通道顺序是BGR而非RGB,这与许多其他库不同。在进行图像显示或处理时要注意这一点。
2.2 读取灰度图像
很多时候我们需要将图像转换为灰度图进行处理,可以这样操作:
python复制img = cv2.imread('img.jpg', cv2.IMREAD_GRAYSCALE)
print(img.shape) # 灰度图只有高度和宽度
灰度图像只有一个通道,因此shape只有两个维度。转换为灰度图可以显著减少计算量,很多图像处理算法都是在灰度图上进行的。
3. 视频处理基础
3.1 视频读取与处理
OpenCV
