图像认知与openCV——图像基础

目录

一.OpenCV介绍

1.基本定位与用途

2.与Python的联系

3.环境安装

二.图像表示

三.图像存储

四.彩色图像

五.图像操作

1.创造窗体

2.读取图像

3.显示图像

4.保存图像

5.创建黑白图像

6.图像切片

7.图像调整大小

六.图像绘制

        1.绘制直线

2.绘制图片

3.绘制矩形

4.绘制文本

5.读取视频

---

一.OpenCV介绍

1.基本定位与用途

定位：跨平台的计算机视觉库，支持 C++、Python、Java 等语言，提供大量计算机视觉算法与工具。

用途：广泛用于图像处理、目标检测、图像分割、人脸识别、姿态估计、视频分析（如行为识别、运动跟踪 ）等场景，在计算机视觉科研与工程实践中应用极广。

2.与Python的联系

与 NumPy 等科学计算库无缝集成，可通过 Python 简洁的代码调用 OpenCV 中图像读取、处理（如滤波、边缘检测）、特征提取、目标识别等核心功能，快速实现计算机视觉应用，无需深入底层 C/C++ 实现细节，降低了开发门槛，让 OpenCV 的强大功能更易被广泛使用。

3.环境安装

numpy：

pip install numpy==1.26.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

OpenCV：

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

二.图像表示

       像素是图像的基本单元，每个像素存储着图像的颜色、亮度和其他特征。一系列像素组合到一起就形成了完整的图像，在计算机中，图像以像素的形式存在并采用二进制格式进行存储。根据图像的颜色不同，每个像素可以用不同的二进制数表示。

       日常生活中常见的图像是RGB三原色图。RGB图上的每个点都是由红（R）、绿（G）、蓝（B）三个颜色按照一定比例混合而成的，几乎所有颜色都可以通过这三种颜色按照不同比例调配而成。在计算机中，RGB三种颜色被称为RGB三通道，每个通道的取值都是0-255，根据这三个通道存储的像素值，来对应不同的颜色。

三.图像存储

在OpenCV中，无论是读取还是创建图像，结果都是一个NumPy数组。

• 彩色图像：三维数组

• 灰度图像：二维

图像本质上是像素值的二维或三维矩阵（对于彩色图像）

形状（Shape）：图像的尺寸由其高（height）、宽（width）和通道数（channels）决定。可以通过img.shape属性获取这些信息。

对于彩色图像（如RGB），返回的是一个包含三个值的元组 (height, width, channels)。对于灰度图像，返回的是一个包含两个值的元组 (height, width)，因为灰度图像只有一个通道。

数据类型（dtype）：图像中的每个像素值的数据类型决定了可以存储的最大值。例如，8位无符号整数（uint8）允许的范围是从0到255。

像素表示

单通道图像（灰度图像）：每个像素由一个数值表示，代表该点的亮度。值越低（接近0），颜色越暗；值越高（接近255），颜色越亮。多通道图像（彩色图像）： 在OpenCV中，默认情况下，彩色图像是以BGR（蓝-绿-红）顺序存储。

import cv2 as cv
# 读取图像 cv.imread(path，读取方式) 默认读为彩色图
cat=cv.imread("../images/（读取的图像名）")
print(cat)
print(cat.shape) # (h,w,c) 元组 (1,)
print(cat.dtype) # np.uint8
# 读为灰度图
cat1=cv.imread("../images/读取的图像名",cv.IMREAD_GRAYSCALE)
print(cat1)
print(cat1.shape) # (h,w)
# 保存图像 cv.imwrite(path,img)
cv.imwrite("./gray.jpg",cat1)


# 显示图像 cv.imshow(window,img)
cv.imshow("myimg",cat)
cv.imshow("cat",cat1)
# 留下绘制时间，cv.waitKey(n) 等待n毫秒 40：40毫秒后关闭窗口 0：表示一直等待
cv.waitKey(0)
# 释放资源
cv.destroyAllWindows()

四.彩色图像

RGB 颜色空间：是最常见的颜色模型，代表红色（Red）、绿色（Green）和蓝色（Blue），这三种颜色通过不同强度的光的组合来创建其他颜色。在 OpenCV 中，默认情况下彩色图像是以 BGR（蓝 - 绿 - 红）顺序存储的，每个通道的取值范围是 0-255。

HSV 颜色空间：更接近人类对颜色的感知，H 表示色调（Hue），表示颜色的种类；S 表示饱和度（Saturation），表示颜色的纯度或强度；V 表示明度（Value），表示颜色的明暗程度。

Lab 颜色空间：是一种均匀颜色空间，它的亮度通道（L）与颜色通道（a 和 b）是分离的，常用于颜色处理和图像分析，在某些情况下比 RGB 颜色空间更适合进行颜色相关的操作。

五.图像操作

1.创造窗体

cv2.namedWindow () 函数

在 OpenCV 中，cv2.namedWindow()函数用于创建一个可以显示图像的窗口。窗口可以是固定大小的，也可以调整大小以适应显示的图像。

cv2.namedWindow(winname[, flags])

参数说明：

winname：窗口的名称，作为窗口的唯一标识符，类型为字符串。

flags：窗口的属性标志，可选参数，默认值为cv2.WINDOW_AUTOSIZE。

窗口属性标志

flags参数有以下几种常用值：

cv2.WINDOW_NORMAL：窗口可以调整大小。

cv2.WINDOW_AUTOSIZE：窗口大小会自动调整以适应显示的图像，用户无法手动调整。cv2.WINDOW_OPENGL：窗口支持 OpenGL。

cv2.WINDOW_FULLSCREEN：全屏显示窗口。

cv2.WINDOW_FREERATIO：图像比例可以自由调整。

cv2.WINDOW_KEEPRATIO：保持图像的比例。

示例：

import cv2

# 读取图像
image = cv2.imread('example.jpg')  # 请替换为实际图像路径

# 创建一个可调整大小的窗口
cv2.namedWindow('Image Viewer', cv2.WINDOW_NORMAL)

# 在窗口中显示图像
cv2.imshow('Image Viewer', image)

# 等待按键事件
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

2.读取图像

cv2.imread(filename, flags=cv2.IMREAD_COLOR)

说明

filename：

必需参数，指定图像文件的路径（绝对或相对路径）。

支持的常见图像格式：JPEG、PNG、BMP、TIFF 等。

flags（读取方式）：

可选参数，控制图像的读取模式。常用取值：

cv2.IMREAD_COLOR（默认值，简写为1）读取彩色图像，会忽略图像的透明度通道（Alpha）。
cv2.IMREAD_GRAYSCALE（简写为0）以灰度模式读取图像，返回单通道灰度图。
cv2.IMREAD_UNCHANGED（简写为-1）读取包含 Alpha 通道的原始图像（若图像有透明度信息）。

示例：

import cv2

# 1. 读取彩色图像（默认方式）
color_img = cv2.imread('example.jpg')  # 等价于 cv2.imread('example.jpg', 1)

# 2. 读取灰度图像
gray_img = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)  # 或 flags=0

# 3. 读取包含Alpha通道的图像（若存在）
rgba_img = cv2.imread('transparent.png', cv2.IMREAD_UNCHANGED)  # 或 flags=-1

# 检查图像形状
print(f"彩色图像形状: {color_img.shape}")  # 输出: (高度, 宽度, 3)
print(f"灰度图像形状: {gray_img.shape}")  # 输出: (高度, 宽度)
print(f"RGBA图像形状: {rgba_img.shape}")  # 输出: (高度, 宽度, 4)

3.显示图像

cv2.imshow(winname, mat)

说明

winname

必需参数，指定显示图像的窗口名称（字符串类型）。若该窗口不存在，OpenCV 会自动创建一个新窗口；若已存在，则更新窗口内容。

mat

必需参数，要显示的图像数据，通常是一个numpy.ndarray数组（通过cv2.imread()读取或其他图像处理操作生成）。

显示图像的完整流程通常包含以下步骤：

1. 读取图像（使用cv2.imread()）

2. 创建窗口（可选，使用cv2.namedWindow()）

3. 显示图像（使用cv2.imshow()）

4. 等待按键（使用cv2.waitKey()）

5. 关闭窗口（使用cv2.destroyAllWindows()）

示例

简单显示彩色图像

import cv2

# 读取图像
img = cv2.imread('example.jpg')  # 确保图像路径正确

# 显示图像（自动创建窗口）
cv2.imshow('Color Image', img)

# 等待用户按键（0表示无限等待）
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

4.保存图像

cv2.imwrite(filename, img, params=None)

说明

filename

必需参数，指定保存图像的路径（含文件名和扩展名）。支持的常见格式：JPEG（.jpg/.jpeg）、PNG（.png）、BMP（.bmp）、TIFF（.tiff）等。

img

必需参数，要保存的图像数据（numpy.ndarray类型）。

params

可选参数，用于指定特定格式的保存参数（如 JPEG 质量、PNG 压缩级别等）。

示例

JPG：

import cv2

# 读取图像
img = cv2.imread('input.jpg')

# 保存图像（默认质量）
cv2.imwrite('output.jpg', img)

# 保存图像（指定JPEG质量，0-100，数值越高质量越好）
cv2.imwrite('output_high_quality.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 90])

PNG

import cv2

# 读取图像并转为灰度
color_img = cv2.imread('input.jpg')
gray_img = cv2.cvtColor(color_img, cv2.COLOR_BGR2GRAY)

# 保存为PNG（默认压缩级别）
cv2.imwrite('output_gray.png', gray_img)

# 保存为PNG（指定压缩级别，0-9，数值越高文件越小）
cv2.imwrite('output_gray_compressed.png', gray_img, [cv2.IMWRITE_PNG_COMPRESSION, 3])

不同格式的保存参数通过params列表指定：

格式	参数标志	取值范围	默认值	说明
JPEG	cv2.IMWRITE_JPEG_QUALITY	0-100（越高越好）	95	控制 JPEG 图像的压缩质量
PNG	cv2.IMWRITE_PNG_COMPRESSION	0-9（越高越小）	3	控制 PNG 图像的压缩级别
WEBP	cv2.IMWRITE_WEBP_QUALITY	0-100（越高越好）	100	控制 WebP 图像的压缩质量

5.创建黑白图像

创建全黑图像

使用np.zeros()创建一个指定尺寸和数据类型的数组，所有元素初始化为 0。对于图像来说，这代表全黑图像。

import numpy as np
import cv2

# 创建一个500x500的全黑彩色图像（3通道）
height, width = 500, 500
black_image = np.zeros((height, width, 3), dtype=np.uint8)

# 显示图像
cv2.imshow('Black Image', black_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

创建全白图像

将全黑图像的所有像素值设为 255（对于 8 位图像，255 代表最大亮度），即可得到全白图像。

# 方法1：创建全黑图像后修改所有像素值
white_image = black_image.copy()  # 复制全黑图像
white_image[:, :] = 255  # 将所有像素的RGB值设为255

# 方法2：直接使用np.ones()创建全1数组，再乘以255
white_image_direct = np.ones((height, width, 3), dtype=np.uint8) * 255

# 显示图像
cv2.imshow('White Image', white_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

6.图像切片

OpenCV 图像是一个numpy.ndarray，其索引规则为：

行（Row）：对应图像的y 坐标（垂直方向）

列（Column）：对应图像的x 坐标（水平方向）

通道（Channel）：彩色图像有 3 个通道（BGR），灰度图像只有 1 个通道

切片语法img[y:y+h, x:x+w]表示：

从第y行开始，到第y+h行结束（不包含y+h）

从第x列开始，到第x+w列结束（不包含x+w）

示例

import cv2

# 读取图像
img = cv2.imread('example.jpg')  # 替换为实际图像路径

# 定义切片区域（x,y,w,h）
x, y, w, h = 100, 50, 200, 150  # 从(100,50)开始，宽200，高150

# 执行切片（剪裁）
roi = img[y:y+h, x:x+w]  # ROI: Region of Interest

# 显示原图和切片
cv2.imshow('Original Image', img)
cv2.imshow('Cropped ROI', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存切片
cv2.imwrite('cropped_roi.jpg', roi)

7.图像调整大小

cv2.resize()

cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]])

说明：

src：输入图像，通常为 NumPy 数组（如uint8类型）

dsize：输出图像尺寸，格式为(宽度, 高度)的元组

fx, fy：可选的缩放因子（浮点型），若指定则覆盖 dsize

interpolation：插值方法，常用选项包括：

cv2.INTER_NEAREST：最近邻插值（速度快，适用于缩小）

cv2.INTER_LINEAR：双线性插值（默认，适用于放大）

cv2.INTER_CUBIC：双三次插值（质量更高，计算慢）

cv2.INTER_AREA：区域插值（适用于缩小或图像抽取）

示例：

import cv2

# 读取图像
img = cv2.imread('example.jpg')

# 方法1：指定目标尺寸
resized1 = cv2.resize(img, (500, 300))  # 宽度500，高度300

# 方法2：使用缩放因子
resized2 = cv2.resize(img, None, fx=0.5, fy=0.5)  # 宽高各缩小一半

# 不同插值方法对比
resized_nearest = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_NEAREST)
resized_linear = cv2.resize(img, None, fx=2, fy=2, interpolation=cv2.INTER_LINEAR)

六.图像绘制

1.绘制直线

cv2.line()

cv2.line(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)

参数说明：

img：输入图像（NumPy 数组），函数会直接修改此图像

pt1, pt2：直线的起点和终点坐标，格式为(x, y)元组

color：线条颜色，BGR 格式（例如(255, 0, 0)表示蓝色）

thickness：线条宽度（像素），默认值为 1

lineType：线条类型，可选：

cv2.LINE_4：4 连通线型（速度快）

cv2.LINE_8：8 连通线型（默认）

cv2.LINE_AA：抗锯齿线型（更平滑）

shift：坐标点的小数位数（通常忽略）

示例：

import cv2
import numpy as np

# 创建黑色背景图像（500x500像素）
img = np.zeros((500, 500, 3), dtype=np.uint8)

# 绘制蓝色对角线（厚度为2像素）
cv2.line(img, (0, 0), (500, 500), (255, 0, 0), 2)

# 绘制绿色水平线（厚度为3像素，抗锯齿）
cv2.line(img, (100, 200), (400, 200), (0, 255, 0), 3, cv2.LINE_AA)

# 绘制红色垂直线（厚度为5像素）
cv2.line(img, (300, 100), (300, 400), (0, 0, 255), 5)

# 绘制黄色斜线（厚度为1像素）
cv2.line(img, (500, 0), (0, 500), (0, 255, 255), 1)

# 显示图像
cv2.imshow('Lines', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存图像（可选）
cv2.imwrite('lines_example.jpg', img)

2.绘制图片

cv2.circle()

cv2.circle(img, center, radius, color, thickness=None, lineType=None, shift=None)

参数说明：

img：输入图像（NumPy 数组），函数会直接修改此图像

center：圆心坐标，格式为(x, y)元组

radius：圆的半径（像素值，必须为整数）

color：线条或填充颜色，BGR 格式（例如(0, 0, 255)表示红色）

thickness：线条宽度（像素）：

正值：绘制空心圆

-1：填充整个圆形区域

lineType：线条类型（同cv2.line()）

shift：坐标点的小数位数（通常忽略）

import cv2
import numpy as np

# 创建黑色背景图像
img = np.zeros((500, 500, 3), dtype=np.uint8)

# 绘制红色空心圆（半径100，线宽2）
cv2.circle(img, (250, 150), 100, (0, 0, 255), 2)

# 绘制蓝色填充圆（半径50）
cv2.circle(img, (150, 300), 50, (255, 0, 0), -1)

# 绘制绿色抗锯齿空心圆（半径80，线宽3）
cv2.circle(img, (350, 300), 80, (0, 255, 0), 3, cv2.LINE_AA)

# 绘制多个同心圆（演示不同半径）
for r in range(20, 100, 20):
    cv2.circle(img, (250, 400), r, (0, 255, 255), 2)

# 显示图像
cv2.imshow('Circles', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存图像（可选）
cv2.imwrite('circles_example.jpg', img)

3.绘制矩形

cv2.circle()

cv2.circle(img, center, radius, color, thickness=None, lineType=None, shift=None)

参数说明：

img：输入图像（NumPy 数组），函数会直接修改此图像

center：圆心坐标，格式为(x, y)元组

radius：圆的半径（像素值，必须为整数）

color：线条或填充颜色，BGR 格式（例如(0, 0, 255)表示红色）

thickness：线条宽度（像素）：

正值：绘制空心圆

-1：填充整个圆形区域

lineType：线条类型（同cv2.line()）

shift：坐标点的小数位数（通常忽略

示例

import cv2
import numpy as np

# 创建黑色背景图像
img = np.zeros((500, 500, 3), dtype=np.uint8)

# 绘制红色空心圆（半径100，线宽2）
cv2.circle(img, (250, 150), 100, (0, 0, 255), 2)

# 绘制蓝色填充圆（半径50）
cv2.circle(img, (150, 300), 50, (255, 0, 0), -1)

# 绘制绿色抗锯齿空心圆（半径80，线宽3）
cv2.circle(img, (350, 300), 80, (0, 255, 0), 3, cv2.LINE_AA)

# 绘制多个同心圆（演示不同半径）
for r in range(20, 100, 20):
    cv2.circle(img, (250, 400), r, (0, 255, 255), 2)

# 显示图像
cv2.imshow('Circles', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存图像（可选）
cv2.imwrite('circles_example.jpg', img)

4.绘制文本

cv2.putText()

cv2.putText(img, text, org, fontFace, fontScale, color, thickness=None, lineType=None, bottomLeftOrigin=None)

参数说明：

img：输入图像（NumPy 数组）

text：要绘制的文本字符串

org：文本框左下角坐标(x, y)

fontFace：字体类型，例如：

cv2.FONT_HERSHEY_SIMPLEX（简单无衬线字体，最常用）

cv2.FONT_HERSHEY_PLAIN（小尺寸无衬线字体）

cv2.FONT_HERSHEY_COMPLEX（复杂衬线字体）

fontScale：字体大小缩放因子

color：文本颜色（BGR 格式）

thickness：字体线条宽度（像素）

lineType：线条类型，推荐使用cv2.LINE_AA（抗锯齿）

bottomLeftOrigin：可选参数，若为True则文本方向反转

示例

import cv2
import numpy as np

# 创建黑色背景图像
img = np.zeros((500, 500, 3), dtype=np.uint8)

# 绘制白色简单文本（默认字体）
cv2.putText(img, 'Hello OpenCV!', (50, 100), 
            cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)

# 绘制红色复杂文本（抗锯齿）
cv2.putText(img, 'Complex Font', (50, 200), 
            cv2.FONT_HERSHEY_COMPLEX, 1.2, (0, 0, 255), 2, cv2.LINE_AA)

# 绘制绿色小文本
cv2.putText(img, 'Small Text', (50, 250), 
            cv2.FONT_HERSHEY_PLAIN, 1.5, (0, 255, 0), 1)

# 绘制多行文本
text = 'Multi-line\nText Example'
y0, dy = 300, 40
for i, line in enumerate(text.split('\n')):
    y = y0 + i*dy
    cv2.putText(img, line, (50, y), 
                cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 255), 2)

# 显示图像
cv2.imshow('Text on Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存图像（可选）
cv2.imwrite('text_example.jpg', img)

5.读取视频

cap = cv2.VideoCapture(path)

path:视频流资源路径设置为0,代表从默认摄像头捕获视频流

ret,frame = cap.read()

返回值cap调用read()方法得到一个布尔值和一帧图像，布尔值表示是否成功读取到帧，如果为False，可能是因为视频结束或读取失败，如果为True，frame则是当前帧的图像数据。

示例

import cv2 as cv
# 创建一个videocapture对象 cap=cv.VideoCapture(path)
# 读取视频文件
# cap=cv.VideoCapture("../images/videocap.mp4")
# 从默认摄像头获取实时视频流
cap=cv.VideoCapture(0)
# 循环读取每一帧图像
while True:
    # 调用read()方法 读取每一帧图像
    ret,img=cap.read()
    # 判断是否读取成功
    if not ret:
        print("error!")
        break
    cv.imshow("dst",img)
    #
    if cv.waitKey(10)&0xFF==ord("q"):
        print("按键退出！")
        break

cap.release()
cv.destroyAllWindows()