一、環境準備

import cv2
import numpy as np
import matplotlib.pyplot as plt# 配置中文字體顯示（可選）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

二、圖像的基本操作

1. 圖像讀取、顯示與保存

使用OpenCV操作

# 讀取圖像（支持多種格式）
img = cv2.imread('example.jpg')
print(f"圖像尺寸: {img.shape}")  # 輸出：(高度, 寬度, 通道數)# 顯示圖像
cv2.imshow('OpenCV Window', img)
cv2.waitKey(0)  # 等待按鍵
cv2.destroyAllWindows()# 保存圖像
cv2.imwrite('output.jpg', img)  # 自動保存為JPG格式

使用Matplotlib操作

# 讀取并顯示圖像
plt.figure(figsize=(10,5))
img_plt = plt.imread('example.png')  # 自動歸一化到[0,1]
plt.subplot(121)
plt.imshow(img_plt)
plt.title('Matplotlib顯示')# OpenCV與Matplotlib顏色空間差異
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # BGR轉RGB
plt.subplot(122)
plt.imshow(img_rgb)
plt.title('OpenCV轉RGB顯示')
plt.show()

?? 注意事項：

1. OpenCV讀取的像素值范圍是[0,255]，Matplotlib自動歸一化到[0,1]
2. 路徑含中文時需使用cv2.imdecode特殊處理
3. 保存質量可通過參數控制（如cv2.imwrite('out.jpg', img, [int(cv2.IMWRITE_JPEG_QUALITY), 90])）

2. 像素級操作

單個像素訪問與修改

# 訪問特定位置像素值
px = img[100, 50]  # 獲取坐標(50,100)處像素值
print(f"Blue={px[0]}, Green={px[1]}, Red={px[2]}")# 修改像素值
img[100, 50] = [0, 255, 0]  # 將該位置改為綠色

區域像素操作

# 提取ROI區域（感興趣區域）
roi = img[50:150, 100:200]# 批量修改像素值
img[200:300, 300:400] = [0, 0, 255]  # 填充紅色矩形

像素值統計分析

print(f"最大像素值: {img.max()}")
print(f"最小像素值: {img.min()}")
print(f"平均像素值: {img.mean()}")

3. 通道操作

通道分離與合并

# 分離通道（OpenCV方式）
b, g, r = cv2.split(img)
cv2.imshow('Blue Channel', b)# 合并通道
merged = cv2.merge([b, g, r])# 直接操作特定通道（Numpy方式）
img_copy = img.copy()
img_copy[:, :, 0] = 0  # 清空藍色通道

多光譜分析示例

# 顯示各通道灰度圖
plt.figure(figsize=(12, 3))
for i, ch in enumerate(['Blue', 'Green', 'Red']):plt.subplot(1,3,i+1)plt.imshow(cv2.split(img)[i], cmap='gray')plt.title(f'{ch}通道')plt.axis('off')
plt.show()

三、完整實踐案例

def image_processing_pipeline(path):# 1. 圖像讀取src = cv2.imread(path)if src is None:print("錯誤：無法讀取圖像！")return# 2. 通道分析b, g, r = cv2.split(src)# 3. 創建特殊效果special_effect = src.copy()special_effect[:, :, 1] = cv2.add(special_effect[:, :, 1], 50)  # 增強綠色通道# 4. 結果展示plt.figure(figsize=(15, 5))plt.subplot(141)plt.imshow(cv2.cvtColor(src, cv2.COLOR_BGR2RGB))plt.title('原圖')plt.subplot(142)plt.imshow(r, cmap='gray')plt.title('紅色通道')plt.subplot(143)plt.imshow(special_effect[:, :, [2,1,0]])plt.title('增強綠色通道')plt.subplot(144)plt.imshow(b, cmap='viridis')  # 使用不同色圖plt.title('藍色通道（Viridis色圖）')plt.tight_layout()plt.show()# 執行處理流程
image_processing_pipeline('test_image.jpg')

四、性能優化技巧

1. 向量化操作替代循環：

# 推薦方式（Numpy向量化）
start_time = cv2.getTickCount()
brighter = cv2.add(img, np.array([30]))
print(f"耗時：{(cv2.getTickCount() - start_time)/cv2.getTickFrequency():.4f}s")# 不推薦方式（雙重循環）
start_time = cv2.getTickCount()
for y in range(img.shape[0]):for x in range(img.shape[1]):img[y,x] = np.clip(img[y,x] + 30, 0, 255)
print(f"耗時：{(cv2.getTickCount() - start_time)/cv2.getTickFrequency():.4f}s")

2. 內存連續性優化：

# 檢查數組內存布局
if not img.flags.c_contiguous:img = np.ascontiguousarray(img)

五、常見問題解決方案

1. 圖像無法顯示：

   • 檢查路徑是否包含中文/特殊字符
   • 確認圖像尺寸是否超過屏幕分辨率
   • 嘗試使用cv2.resizeWindow()調整窗口大小

2. 顏色顯示異常：

   # 統一顏色空間轉換
   def show_image統一(img_bgr, title='Image'):plt.imshow(cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB))plt.title(title)plt.axis('off')plt.show()
   

3. 大圖像處理：

   # 金字塔下采樣
   pyramid = cv2.pyrDown(img)
   print(f"下采樣后尺寸：{pyramid.shape}")
   

六、擴展學習方向

1. 進階操作：

   • 使用cv2.LUT()實現色彩查找表變換
   • 掩膜操作（mask）進行區域處理
   • 利用Numpy數組的布爾索引進行條件修改

2. 性能提升：

   • 使用OpenCV內置函數替代Python循環
   • 多線程處理圖像塊
   • CUDA加速（需安裝opencv-contrib-python包）

3. 實際應用：

   • 圖像增強：直方圖均衡化、CLAHE算法
   • 顏色空間轉換：HSV/YUV等
   • 形態學操作：腐蝕、膨脹

通過掌握這些基礎操作，您將為后續的圖像處理學習打下堅實基礎。建議通過實際項目（如證件照背景替換、圖像特效制作）加深理解。

下一篇我們將進入圖像的「幾何變換世界」，學習如何用數學矩陣實現圖像的平移、旋轉、縮放，以及不同插值算法對圖像質量的影響。現在請打開你的圖像，嘗試裁剪一個有趣的ROI區域并修改它的顏色吧！

思考：為什么對大尺寸圖像使用cv2.split()會更耗內存？如何用NumPy實現更高效的通道分離？