OpenCV 入門教程：
OpenCV（Open Source Computer Vision Library）是一個開源的計算機視覺庫，廣泛應用于圖像處理、視頻分析、機器學習等領域。
在 Python 中，cv2 是 OpenCV 的主要接口模塊。本文將帶你一步步掌握 cv2 庫的安裝與基本圖像處理功能。
圖像的本質：像素的數字矩陣
任何數字圖像（如照片、截圖、手寫數字圖片）都是由無數個微小的 “像素點”（Pixel）組成的
-
每個像素點的數值含義：
- 對于灰度圖（如代碼中的手寫數字），每個像素用一個 0-255 的整數表示亮度：0 代表純黑，255 代表純白，中間值表示不同深淺的灰色。
- 對于彩色圖（如 RGB 格式），每個像素由三個數值（R、G、B）組成，分別對應紅、綠、藍三種顏色的亮度，組合后呈現出各種顏色。
彩色圖的單個像素點：[0-255,0-255,0-255]：
如：[123, 85, 34]↑ ↑ ↑B G R
在 OpenCV 中默認是 BGR，而不是 RGB灰度圖示例：
什么是RGB（Red, Green, Blue）:
光學三原色（RGB）：紅、綠、藍
通過將紅色（R）、綠色（G）、藍色（B）三種顏色以不同強度組合，形成各種顏色。
| R | G | B | 顏色 |
|---|---|---|---|
| 255 | 0 | 0 | 紅色 |
| 0 | 255 | 0 | 綠色 |
| 0 | 0 | 255 | 藍色 |
| 255 | 255 | 255 | 白色 |
| 0 | 0 | 0 | 黑色 |
| 255 | 255 | 0 | 黃色 |
百度搜索 “RGB調色板” ，我們通過調色來具體對比來看看：
將第一個像素對應的R、G、B輸入調色板后得到的顏色? 與? 像素切片篇左上角的像素顏色? 相同：
注意：這里的三個數組并不是直接 print(image) 打印出來的結果。
print打印出來的結果是
而是分離通道：（本文章第七節會教，此處有印象即可）
B = img1[:, :, 0] ? # 藍色B通道
G = img1[:, :, 1] ? # 綠色G通道
R = img1[:, :, 2] ? # 紅色R通道或者：
B, G, R = cv2.split(img1)得到被分開的R、G、B的單獨的顏色數據，同時數據的位置對應每個像素的位置。
一、安裝 OpenCV 并查看版本
安裝命令
pip install opencv-pythonpip install opencv-contrib-python
?? 注意：
opencv-contrib-python是包含更多實驗性模塊和擴展功能的版本，如果你需要 SIFT、SURF 等模塊，可安裝：
安裝完成后，可以通過如下方式驗證 OpenCV 是否成功安裝：
import cv2
print("OpenCV 版本:", cv2.__version__)
二、讀取與顯示圖像（解析圖像的矩陣）
完整圖片（可保存）：（或者直接百度搜索企鵝，在點開圖片欄，應該第一個或第二個就是）
該圖片的第一行的數字矩陣：
可以看到數字矩陣有1600行，3列
1600表示這個圖片一行有1600個像素點
3表示每個像素點的BGR的數字組成
import cv2
img = cv2.imread("penguin.jpg")
# print(img) #打印圖片的數字矩陣（設置斷點，調試時可以更直觀）cv2.imshow('qie',img)
a = cv2.waitKey(5000) # 展示5秒時間（參數為0：一直執行，需要按鍵關閉）
print(a) # 如果按下按鍵，獲取按鍵的ascll碼值
cv2.destroyAllWindows() # 關閉所有打開的窗口并釋放所有相關內存。print("圖像形狀（shape）：",img.shape)
print("圖像數據類型（dtype）",img.dtype)
print("圖像大小（size）",img.size)說明：
-
cv2.imread()：讀取圖像。 -
cv2.imshow()：展示圖像窗口。單引號‘’內為標題 -
cv2.waitKey(ms)：等待鍵盤事件，單位為毫秒。若為0，表示一直等待。 -
cv2.destroyAllWindows()：關閉所有窗口。 -
img.shape：返回圖像的尺寸(高度, 寬度, 通道數)。
結果：
圖像形狀（shape）：(1200, 1600, 3)
| 數字 | 含義 |
|---|---|
1200 | 圖像的高度（行數）= 有 1200 像素行 |
1600 | 圖像的寬度（列數）= 有 1600 像素列 |
3 | 每個像素有 3 個通道（通常為 BGR 或 RGB） |
該圖像是一個 彩色圖像（3通道），大小為 1600（列）×1200（行） 像素，使用的是 BGR 色彩空間（在 OpenCV 中默認是 BGR，而不是 RGB）。
圖像數據類型（dtype）: uint8
-
uint8是 無符號 8 位整數（unsigned int 8）。 -
每個像素的每個通道用一個字節（8 位）來表示。
-
取值范圍是 0 ~ 255。
圖像大小（size） 5760000
-
shape為(1200, 1600, 3)：-
高度（行數）：1200 像素
-
寬度（列數）：1600 像素
-
每個像素有 3 個顏色通道（B、G、R）
-
-
dtype為uint8（每個通道值占 1 字節）
那么：
size = 1200 × 1600 × 3 = 5760000
所以，這個圖像共有 5760000 個像素值（也可以理解為字節數）。
三、圖像縮放
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()說明：
-
cv2.resize()支持調整圖像分辨率，常用于適配模型或顯示需求。
四、讀取灰度圖像并保存
讀取圖片時直接處理成灰度
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("圖像形狀（shape）：",img.shape)
print("圖像數據類型（dtype）",img.dtype)
print("圖像大小（size）",img.size)cv2.imwrite('penguin_gray.jpg', img) #保存灰度圖片或：
讀取彩色圖片后，cv2.cvtColor()進行顏色空間轉換
img = cv2.imread('penguin.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)說明：
-
使用
cv2.IMREAD_GRAYSCALE可將圖像讀取為灰度格式。 -
cv2.cvtColor()進行顏色空間轉換。 -
cv2.imwrite()用于保存圖像。
五、圖像裁剪
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()說明：
-
圖像裁剪可通過 NumPy 的數組切片完成。
六、讀取視頻文件或攝像頭
import cv2
video_capture = cv2.VideoCapture('video1.mp4') # 若參數為0，則為攝像頭
if not video_capture.isOpened():print("無法打開")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: # 數字為每一幀的間隔break
video_capture.release()
cv2.destroyAllWindows()攝像頭讀幀：video_capture = cv2.VideoCapture(0)
說明：
-
cv2.VideoCapture()可打開視頻文件或0攝像頭。 -
video_capture.isOpened()：檢查攝像頭是否成功打開，返回True（成功）或False（失敗）。 -
cv2.cvtColor()進行顏色空間轉換。 -
ret, frame = video_capture.read()video_capture.read()：從攝像頭讀取一幀圖像。- 返回兩個值：
ret是布爾值（True表示讀取成功，False表示失敗，如攝像頭斷開）；frame是讀取到的圖像幀（numpy 數組格式）。
七、分離與合并顏色通道
分離通道指的是將一個三通道彩色圖像拆成 三個單通道灰度圖
所以每個圖只表示一個顏色成分的強度（所有顏色都由紅藍綠三原色組成）
import cv2
img1 = cv2.imread('penguin.jpg')
# =====分離顏色通道=====
# 兩種分離方式：
# B = img1[:, :, 0] # 藍色B通道
# G = img1[:, :, 1] # 綠色G通道
# R = img1[:, :, 2] # 紅色R通道
B, G, R = cv2.split(img1)
cv2.imshow('B', B)
cv2.imshow('G', G)
cv2.imshow('R', R)
cv2.waitKey(0)
# =====合并顏色通道=====
img2 = cv2.merge([B, G, R])
cv2.imshow('RGB', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()說明：
-
cv2.split()分離 B、G、R 通道。 -
cv2.merge()合并通道生成彩色圖像。
通過調試觀察數據組成：
可以看到數據的上面是
八、區域像素替換與圖像合成
7.1 用隨機像素填充圖像區域（打碼）：
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 圖像區域拷貝與粘貼（換頭）：
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()說明：
-
通過數組操作，可輕松實現區域復制與圖像拼接。
總結
通過本教程，我們學習了 OpenCV 的以下基礎內容：
| 功能 | 使用方法 |
|---|---|
| 圖像讀取 | cv2.imread() |
| 圖像展示 | cv2.imshow() |
| 灰度圖轉換 | cv2.IMREAD_GRAYSCALE、cv2.cvtColor() |
| 圖像裁剪 | NumPy 切片 |
| 視頻讀取 | cv2.VideoCapture() |
| 通道分離與合并 | cv2.split()、cv2.merge() |
| 圖像縮放 | cv2.resize() |
| 圖像保存 | cv2.imwrite() |
![[論文閱讀] 人工智能 + 軟件工程 | 大型語言模型對決傳統方法：多語言漏洞修復能力大比拼](http://pic.xiahunao.cn/[論文閱讀] 人工智能 + 軟件工程 | 大型語言模型對決傳統方法：多語言漏洞修復能力大比拼)
