OpenCV 入门教程：
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，广泛应用于图像处理、视频分析、机器学习等领域。
在 Python 中，cv2 是 OpenCV 的主要接口模块。本文将带你一步步掌握 cv2 库的安装与基本图像处理功能。
图像的本质：像素的数字矩阵
任何数字图像（如照片、截图、手写数字图片）都是由无数个微小的 “像素点”（Pixel）组成的
-
每个像素点的数值含义：
- 对于灰度图（如代码中的手写数字），每个像素用一个 0-255 的整数表示亮度：0 代表纯黑，255 代表纯白，中间值表示不同深浅的灰色。
- 对于彩色图（如 RGB 格式），每个像素由三个数值（R、G、B）组成，分别对应红、绿、蓝三种颜色的亮度，组合后呈现出各种颜色。
彩色图的单个像素点：[0-255,0-255,0-255]：
如：[123, 85, 34]↑ ↑ ↑B G R
在 OpenCV 中默认是 BGR，而不是 RGB灰度图示例：
什么是RGB（Red, Green, Blue）:
光学三原色（RGB）：红、绿、蓝
通过将红色（R）、绿色（G）、蓝色（B）三种颜色以不同强度组合，形成各种颜色。
| R | G | B | 颜色 |
|---|---|---|---|
| 255 | 0 | 0 | 红色 |
| 0 | 255 | 0 | 绿色 |
| 0 | 0 | 255 | 蓝色 |
| 255 | 255 | 255 | 白色 |
| 0 | 0 | 0 | 黑色 |
| 255 | 255 | 0 | 黄色 |
百度搜索 “RGB调色板” ，我们通过调色来具体对比来看看：
将第一个像素对应的R、G、B输入调色板后得到的颜色 与 像素切片篇左上角的像素颜色 相同：
注意：这里的三个数组并不是直接 print(image) 打印出来的结果。
print打印出来的结果是
而是分离通道：（本文章第七节会教，此处有印象即可）
B = img1[:, :, 0] # 蓝色B通道
G = img1[:, :, 1] # 绿色G通道
R = img1[:, :, 2] # 红色R通道或者：
B, G, R = cv2.split(img1)得到被分开的R、G、B的单独的颜色数据，同时数据的位置对应每个像素的位置。
一、安装 OpenCV 并查看版本
安装命令
pip install opencv-pythonpip install opencv-contrib-python
⚠️ 注意：
opencv-contrib-python是包含更多实验性模块和扩展功能的版本，如果你需要 SIFT、SURF 等模块，可安装：
安装完成后，可以通过如下方式验证 OpenCV 是否成功安装：
import cv2
print("OpenCV 版本:", cv2.__version__)
二、读取与显示图像（解析图像的矩阵）
完整图片（可保存）：（或者直接百度搜索企鹅，在点开图片栏，应该第一个或第二个就是）
该图片的第一行的数字矩阵：
可以看到数字矩阵有1600行，3列
1600表示这个图片一行有1600个像素点
3表示每个像素点的BGR的数字组成
import cv2
img = cv2.imread("penguin.jpg")
# print(img) #打印图片的数字矩阵（设置断点，调试时可以更直观）cv2.imshow('qie',img)
a = cv2.waitKey(5000) # 展示5秒时间（参数为0：一直执行，需要按键关闭）
print(a) # 如果按下按键，获取按键的ascll码值
cv2.destroyAllWindows() # 关闭所有打开的窗口并释放所有相关内存。print("图像形状（shape）：",img.shape)
print("图像数据类型（dtype）",img.dtype)
print("图像大小（size）",img.size)说明：
-
cv2.imread()：读取图像。 -
cv2.imshow()：展示图像窗口。单引号‘’内为标题 -
cv2.waitKey(ms)：等待键盘事件，单位为毫秒。若为0，表示一直等待。 -
cv2.destroyAllWindows()：关闭所有窗口。 -
img.shape：返回图像的尺寸(高度, 宽度, 通道数)。
结果：
图像形状（shape）：(1200, 1600, 3)
| 数字 | 含义 |
|---|---|
1200 | 图像的高度（行数）= 有 1200 像素行 |
1600 | 图像的宽度（列数）= 有 1600 像素列 |
3 | 每个像素有 3 个通道（通常为 BGR 或 RGB） |
该图像是一个 彩色图像（3通道），大小为 1600（列）×1200（行） 像素，使用的是 BGR 色彩空间（在 OpenCV 中默认是 BGR，而不是 RGB）。
图像数据类型（dtype）: uint8
-
uint8是 无符号 8 位整数（unsigned int 8）。 -
每个像素的每个通道用一个字节（8 位）来表示。
-
取值范围是 0 ~ 255。
图像大小（size） 5760000
-
shape为(1200, 1600, 3)：-
高度（行数）：1200 像素
-
宽度（列数）：1600 像素
-
每个像素有 3 个颜色通道（B、G、R）
-
-
dtype为uint8（每个通道值占 1 字节）
那么：
size = 1200 × 1600 × 3 = 5760000
所以，这个图像共有 5760000 个像素值（也可以理解为字节数）。
三、图像缩放
import cv2
img = cv2.imread('penguin.jpg')
img_resize = cv2.resize(img, (400, 400))
cv2.imshow('img',img)
cv2.imshow('img_resize',img_resize)
cv2.waitKey(0)
cv2.destroyAllWindows()说明：
-
cv2.resize()支持调整图像分辨率，常用于适配模型或显示需求。
四、读取灰度图像并保存
读取图片时直接处理成灰度
import cv2
img = cv2.imread(r'./penguin.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('penguin_gray',img)
a = cv2.waitKey(0)
print(a)
cv2.destroyAllWindows()print("图像形状（shape）：",img.shape)
print("图像数据类型（dtype）",img.dtype)
print("图像大小（size）",img.size)cv2.imwrite('penguin_gray.jpg', img) #保存灰度图片或：
读取彩色图片后，cv2.cvtColor()进行颜色空间转换
img = cv2.imread('penguin.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)说明：
-
使用
cv2.IMREAD_GRAYSCALE可将图像读取为灰度格式。 -
cv2.cvtColor()进行颜色空间转换。 -
cv2.imwrite()用于保存图像。
五、图像裁剪
import cv2
img1 = cv2.imread('penguin.jpg')
img2 = img1[150:350,500:700]
cv2.imshow('penguin',img1)
cv2.imshow('penguin_head',img2)
cv2.waitKey(0)
cv2.destroyAllWindows()说明：
-
图像裁剪可通过 NumPy 的数组切片完成。
六、读取视频文件或摄像头
import cv2
video_capture = cv2.VideoCapture('video1.mp4') # 若参数为0，则为摄像头
if not video_capture.isOpened():print("无法打开")exit()
while True:ret, frame = video_capture.read()if not ret:breakframe = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)cv2.imshow('Video', frame)if cv2.waitKey(1) == 27: # 数字为每一帧的间隔break
video_capture.release()
cv2.destroyAllWindows()摄像头读帧：video_capture = cv2.VideoCapture(0)
说明：
-
cv2.VideoCapture()可打开视频文件或0摄像头。 -
video_capture.isOpened()：检查摄像头是否成功打开，返回True（成功）或False（失败）。 -
cv2.cvtColor()进行颜色空间转换。 -
ret, frame = video_capture.read()video_capture.read()：从摄像头读取一帧图像。- 返回两个值：
ret是布尔值（True表示读取成功，False表示失败，如摄像头断开）；frame是读取到的图像帧（numpy 数组格式）。
七、分离与合并颜色通道
分离通道指的是将一个三通道彩色图像拆成 三个单通道灰度图
所以每个图只表示一个颜色成分的强度（所有颜色都由红蓝绿三原色组成）
import cv2
img1 = cv2.imread('penguin.jpg')
# =====分离颜色通道=====
# 两种分离方式：
# B = img1[:, :, 0] # 蓝色B通道
# G = img1[:, :, 1] # 绿色G通道
# R = img1[:, :, 2] # 红色R通道
B, G, R = cv2.split(img1)
cv2.imshow('B', B)
cv2.imshow('G', G)
cv2.imshow('R', R)
cv2.waitKey(0)
# =====合并颜色通道=====
img2 = cv2.merge([B, G, R])
cv2.imshow('RGB', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()说明：
-
cv2.split()分离 B、G、R 通道。 -
cv2.merge()合并通道生成彩色图像。
通过调试观察数据组成：
可以看到数据的上面是
八、区域像素替换与图像合成
7.1 用随机像素填充图像区域（打码）：
import cv2
import numpy as np
img = cv2.imread('penguin.jpg')
img[150:350,500:700] = np.random.randint(0,256,(200,200,3))
cv2.imshow('penguin_head',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
7.2 图像区域拷贝与粘贴（换头）：
import cv2
img1 = cv2.imread('penguin.jpg')
img2 = cv2.imread('penguin.jpg')# head = img1[150:350,500:700]
# img2[250:450,1000:1200] = head
head = img1[250:450,1000:1200]
img2[150:350,500:700] = headcv2.imshow('img1',img1)
cv2.imshow('img2',img2)
cv2.waitKey(0)
cv2.destroyAllWindows()说明：
-
通过数组操作，可轻松实现区域复制与图像拼接。
总结
通过本教程，我们学习了 OpenCV 的以下基础内容：
| 功能 | 使用方法 |
|---|---|
| 图像读取 | cv2.imread() |
| 图像展示 | cv2.imshow() |
| 灰度图转换 | cv2.IMREAD_GRAYSCALE、cv2.cvtColor() |
| 图像裁剪 | NumPy 切片 |
| 视频读取 | cv2.VideoCapture() |
| 通道分离与合并 | cv2.split()、cv2.merge() |
| 图像缩放 | cv2.resize() |
| 图像保存 | cv2.imwrite() |
![[论文阅读] 人工智能 + 软件工程 | 大型语言模型对决传统方法：多语言漏洞修复能力大比拼](http://pic.xiahunao.cn/[论文阅读] 人工智能 + 软件工程 | 大型语言模型对决传统方法：多语言漏洞修复能力大比拼)
