OpenCV入门指南：零基础也能玩转数字图像处理！

今天，我们将进一步深入，探索如何使用 Python 和 OpenCV 来操作和处理图像。

 目录 

1.开篇/ 图像处理

在当今数字化的世界里，图像和视频无处不在。

从社交媒体上的照片分享，到自动驾驶汽车的视觉系统，图像处理技术正深刻地改变着我们的生活。

而在这个领域中，OpenCV（Open Source Computer Vision Library）无疑是一个强大的工具，它就像是一双“代码之眼”，帮助我们看见并理解图像中的信息。

OpenCV简介/ OpenCV

OpenCV是一个开源的计算机视觉和机器学习软件库，它提供了大量的图像和视频处理功能。

它最初由英特尔公司开发，后来由Willow Garage和Itseez公司进一步发展，现在由一个全球性的社区维护。

图片

OpenCV支持多种编程语言，包括C++、Python和Java，其中Python接口因其简洁易用而受到广泛欢迎。

OpenCV的应用场景/ OpenCV

OpenCV的应用场景非常广泛，几乎涵盖了所有与图像和视频处理相关的领域。以下是一些具体的应用案例：

• 图像识别：通过OpenCV，我们可以训练模型来识别图像中的物体，如人脸、动物、车辆等。
• 物体检测：在自动驾驶汽车中，OpenCV用于检测道路标志、行人和其他车辆，确保行车安全。
• 视频分析：在智能安防监控中，OpenCV可以实时分析视频流，检测异常行为并发出警报。
• 图像编辑：使用OpenCV可以实现各种图像编辑功能，如裁剪、旋转、调整亮度等。

为什么选择Python和OpenCV？/ OpenCV

Python语言简洁易懂，适合初学者快速上手。它拥有丰富的库和框架，能够轻松处理各种复杂的任务。

OpenCV的Python接口功能强大且易于使用，是图像处理领域的黄金组合。

通过Python和OpenCV，你可以快速实现各种图像处理功能，而不需要深入理解底层的复杂算法。

2.准备起航/ 图像处理

在开始学习OpenCV之前，我们需要先搭建好开发环境，并编写第一行代码。这一部分将详细介绍如何安装Python和OpenCV，并验证安装是否成功。

环境搭建/ OpenCV

Python是一个开源的、高级的编程语言，它具有简洁的语法和强大的功能，推荐使用Anaconda发行版。

因为它包含了Python和许多常用的科学计算库，如NumPy、Pandas和Matplotlib等，这些库在图像处理中非常有用。

Anaconda安装教程！

图片

如上图，OpenCV可以通过pip命令轻松安装。pip是Python的包管理工具，用于安装和管理Python包。

第一行代码/ OpenCV

通过上述步骤，我们已经成功安装了Python和OpenCV，并验证了安装。

现在，让我们通过一个简单的代码示例来体验图像处理的乐趣。

图片

这段代码非常简单，但它展示了OpenCV的核心功能：加载、显示和关闭图像。

通过这个示例，你可以快速上手并开始探索更多的图像处理功能。

3.核心基础操作/ 图像处理

在图像处理中，读取、显示和保存图像是最基本的操作。掌握这些操作是进一步学习图像处理的前提。

本节将详细介绍这些核心基础操作。

读取图像/ OpenCV

在使用 OpenCV 处理数字图像时，读取图像是一个非常重要的基础步骤。以下是关于如何使用 OpenCV 读取图像的详细介绍：

（1）使用cv2.imread()函数

cv2.imread()函数用于读取图像文件。它返回一个NumPy数组，表示图像的像素值。

图片

cv2.imread()函数的参数是一个字符串，表示图像文件的路径。

如果路径正确，函数将返回一个NumPy数组；如果路径错误或文件不存在，函数将返回None。

（2）读取图像的形状和数据类型

通过image.shape可以获取图像的形状，包括高度、宽度和通道数。对于彩色图像，通道数为3（RGB），对于灰度图像，通道数为1。

图片

image.dtype返回图像数据的类型，通常是uint8，表示像素值的范围是0到255。

显示图像/ OpenCV

在使用 OpenCV 处理数字图像时，显示图像也是一个常见的操作。以下是显示图像的详细步骤和代码示例。

（1）使用cv2.imshow()函数

cv2.imshow()函数用于显示图像。它需要两个参数：窗口名称和图像数据。

图片

cv2.waitKey()函数用于等待键盘事件。它的参数是一个整数，表示等待的时间（以毫秒为单位）。如果参数为0，则无限期等待，直到用户按下任意键。

cv2.destroyAllWindows()函数用于关闭所有OpenCV窗口，确保程序正常退出。

（2）等待键盘事件

cv2.waitKey()函数不仅用于等待键盘事件，还可以设置窗口的刷新时间。如果在等待时间内用户按下任意键，程序将继续执行。

图片

在这个示例中，如果用户按下q键，程序将输出一条消息并退出。

保存图像/ OpenCV

在使用 OpenCV 处理数字图像时，保存图像也是一个常见的操作。以下是保存图像的详细步骤和代码示例。

（1）使用cv2.imwrite()函数

cv2.imwrite()函数用于保存图像。它需要两个参数：文件路径和图像数据。

图片

cv2.imwrite()函数的返回值是一个布尔值，表示保存操作是否成功。如果保存成功，返回True；否则返回False。

（2）保存图像的格式

OpenCV支持多种图像格式，如.jpg、.png、.bmp等。不同的格式有不同的特点。

图片

例如，.jpg格式支持有损压缩，文件大小较小；.png格式支持无损压缩，文件大小较大，但图像质量更高。

4.图像处理入门

/ 图像处理

在图像处理中，像素操作、色彩空间转换和几何变换是最基本的技能。掌握这些技能可以帮助你实现各种图像编辑功能。

本节将详细介绍这些内容。

像素操作/ OpenCV

在数字图像处理中，像素操作是基础且重要的内容。使用 OpenCV，你可以对图像的像素进行各种操作，包括访问和修改像素值、进行像素级的计算等。以下是一些常见的像素操作示例和代码。

（1）访问和修改像素值

图像中的每个像素都有一个值，表示该像素的颜色。通过索引操作，可以访问和修改像素值。

图片

在这个示例中，我们访问了图像中坐标为(100, 100)的像素值，并将其修改为白色（RGB值为[255, 255, 255]）。

（2）ROI（Region of Interest）操作

ROI操作是指对图像的感兴趣区域进行操作。通过索引操作，可以提取和修改ROI。

图片

在这个示例中，我们提取了图像中坐标为(100, 100)到(200, 200)的ROI，并将其修改为绿色（RGB值为[0, 255, 0]）。

色彩空间转换/ OpenCV

在数字图像处理中，色彩空间转换是一个非常重要的操作。不同的色彩空间适用于不同的应用场景。

例如，RGB 色彩空间适合显示设备，而 HSV 色彩空间更适合进行颜色分割和图像处理。

OpenCV 提供了 cv2.cvtColor() 函数来实现色彩空间的转换。

（1）RGB与灰度图像

RGB色彩空间是最常用的色彩空间，它由红色、绿色和蓝色三个通道组成。灰度图像是单通道图像，表示图像的亮度信息。

图片

cv2.cvtColor()函数用于色彩空间转换。cv2.COLOR_BGR2GRAY表示从BGR色彩空间转换为灰度色彩空间。

（2）其他色彩空间

OpenCV支持多种色彩空间，如HSV、LAB等。这些色彩空间在图像处理中非常有用，例如HSV色彩空间在颜色分割中表现良好。

图片

cv2.COLOR_BGR2HSV表示从BGR色彩空间转换为HSV色彩空间。

图像几何变换/ OpenCV

在数字图像处理中，几何变换是改变图像形状、大小或方向的操作。

OpenCV 提供了多种几何变换函数，包括平移、旋转、缩放、仿射变换和透视变换等。

以下是一些常见的几何变换操作及其代码示例。

（1）缩放

图像缩放是指改变图像的大小。cv2.resize()函数用于实现图像缩放。

图片

cv2.resize()函数的参数可以是目标大小（宽和高），也可以是缩放比例（fx和fy）。

（2）平移

图像平移是指将图像沿着水平或垂直方向移动。cv2.warpAffine()函数用于实现图像平移。

图片

平移矩阵M是一个2x3的矩阵，其中M[0, 2]表示水平方向的平移量，M[1, 2]表示垂直方向的平移量。

（3）旋转

图像旋转是指将图像绕着某个点旋转一定角度。

cv2.getRotationMatrix2D()和cv2.warpAffine()函数用于实现图像旋转。

图片

cv2.getRotationMatrix2D()函数用于构造旋转矩阵，它的参数包括旋转中心、旋转角度和缩放比例。

5.综合小案例/ 图像处理

通过前面的学习，我们已经掌握了OpenCV的基本操作。现在，让我们动手制作一个简易的照片编辑器，实现图像加载、显示、保存、裁剪、旋转和调整亮度等功能。

import cv2
import numpy as np

class SimpleImageEditor:
    def __init__(self):
        self.image = None
        self.current_image = None
        
    def load_image(self, path):
        """加载图像"""
        self.image = cv2.imread(path)
        if self.image isNone:
            print(f"错误：无法从 {path} 加载图像")
            returnFalse
        self.current_image = self.image.copy()
        print(f"图像加载成功！尺寸: {self.image.shape[1]}x{self.image.shape[0]}")
        returnTrue
    
    def show_image(self, title="Image"):
        """显示当前图像"""
        if self.current_image isNone:
            print("没有图像可显示！")
            return
        
        cv2.imshow(title, self.current_image)
        cv2.waitKey(0)
        cv2.destroyAllWindows()
    
    def convert_to_grayscale(self):
        """转换为灰度图"""
        if self.current_image isNone:
            print("没有图像可转换！")
            return
        
        # 如果已经是灰度图，就不需要转换
        if len(self.current_image.shape) == 3:
            self.current_image = cv2.cvtColor(self.current_image, cv2.COLOR_BGR2GRAY)
            print("已转换为灰度图")
        else:
            print("图像已经是灰度格式")
    
    def rotate_image(self, angle):
        """旋转图像"""
        if self.current_image isNone:
            print("没有图像可旋转！")
            return
        
        height, width = self.current_image.shape[:2]
        center = (width // 2, height // 2)
        
        # 获取旋转矩阵
        M = cv2.getRotationMatrix2D(center, angle, 1.0)
        
        # 计算新的边界尺寸
        cos = np.abs(M[0, 0])
        sin = np.abs(M[0, 1])
        new_width = int((height * sin) + (width * cos))
        new_height = int((height * cos) + (width * sin))
        
        # 调整旋转矩阵以考虑平移
        M[0, 2] += (new_width / 2) - center[0]
        M[1, 2] += (new_height / 2) - center[1]
        
        # 应用旋转
        self.current_image = cv2.warpAffine(
            self.current_image, M, (new_width, new_height)
        )
        print(f"已旋转 {angle} 度")
    
    def save_image(self, path):
        """保存图像"""
        if self.current_image isNone:
            print("没有图像可保存！")
            return
        
        cv2.imwrite(path, self.current_image)
        print(f"图像已保存到 {path}")
    
    def reset_image(self):
        """重置为原始图像"""
        if self.image isNone:
            print("没有原始图像！")
            return
        
        self.current_image = self.image.copy()
        print("已重置为原始图像")

def main():
    editor = SimpleImageEditor()
    
    # 获取用户输入
    image_path = input("请输入图像路径: ")
    
    ifnot editor.load_image(image_path):
        return
    
    whileTrue:
        print("\n=== 简易照片编辑器 ===")
        print("1. 显示当前图像")
        print("2. 转换为灰度图")
        print("3. 旋转图像")
        print("4. 保存图像")
        print("5. 重置为原始图像")
        print("6. 退出")
        
        choice = input("请选择操作 (1-6): ")
        
        if choice == '1':
            editor.show_image("当前图像")
        elif choice == '2':
            editor.convert_to_grayscale()
            editor.show_image("灰度图")
        elif choice == '3':
            try:
                angle = float(input("请输入旋转角度: "))
                editor.rotate_image(angle)
                editor.show_image("旋转后图像")
            except ValueError:
                print("请输入有效的数字！")
        elif choice == '4':
            save_path = input("请输入保存路径: ")
            editor.save_image(save_path)
        elif choice == '5':
            editor.reset_image()
            print("已重置图像")
        elif choice == '6':
            print("感谢使用照片编辑器！")
            break
        else:
            print("无效选择，请重新输入！")

if __name__ == "__main__":
    main()

图片

结果显示｜终端输出

通过这个程序，你可以加载一张图像，然后对它进行裁剪、旋转、调整亮度和对比度等操作，最后保存修改后的图像。

本文转载自​​​​​​​Fairy Girl​​​​​​​，作者：Fairy Girl