在計算機視覺的廣袤領域中，OpenCV?是一座極為關鍵的里程碑。無論是在前沿的學術研究，還是在蓬勃發展的工業界，OpenCV 憑借其強大的功能與高效的性能，為開發者提供了豐富的圖像處理和計算機視覺算法，助力無數項目落地。本文將深入探討 OpenCV 的基礎知識，包括其核心概念、安裝配置、常用操作以及實際應用，希望能幫助讀者全面掌握 OpenCV，為后續的計算機視覺開發筑牢根基。

一、?OpenCV 是什么？

OpenCV，即 Open Source Computer Vision?Library，是一個基于 BSD 許可發行的跨平臺計算機視覺庫。它由英特爾公司發起并參與開發，歷經多年的持續發展與完善，已經成為計算機視覺領域的行業標準之一。OpenCV 支持 C++、Python、Java 等多種主流編程語言，極大地降低了開發者的學習門檻。同時，它擁有超過 2500 種優化算法，從基礎的圖像濾波、特征提取，到復雜的目標檢測、立體視覺和機器學習算法，幾乎涵蓋了計算機視覺的各個方面。OpenCV 的高效性和易用性，使其在學術研究、工業生產和商業產品中都得到了廣泛的應用。

二、?安裝 OpenCV

Python 環境下安裝

在 Python 環境中，使用pip工具可以輕松安裝 OpenCV。打開命令行終端，輸入以下命令：

pip install opencv - python

三、Opencv的簡單操作

1、Opencv的導入

在python中Opencv用cv2來表示

import cv2

2、圖片的讀取

這里的圖片可以是任意一張圖片，網站上隨便下載一張就行，這里就不附文件了

圖片的讀取不能有中文

# a = cv2.imread('mm.jpg')#路徑不可為中文
# cv2.imshow('tu', a)
# b = cv2.waitKey(10000000)
# print(b)  # 打印按下按鍵對應的 ASCII 碼，無按鍵則返回 -1
# cv2.destroyAllWindows()#釋放緩存
# print('圖像屬性')
# print("圖像形狀（shape）:", a.shape)
# print("圖像數據類型（dtype）:", a.dtype)
# print("圖像大小（size）:", a.size)

3、圖片的灰度轉換

# b = cv2.imread('mm.jpg', cv2.IMREAD_GRAYSCALE)
# cv2.imshow('xx', b)
# cv2.waitKey(0)
# cv2.destroyAllWindows()#釋放緩存
# print('灰度圖像屬性')
# print("圖像形狀（shape）:", b.shape)
# print("圖像數據類型（dtype）:", b.dtype)
# print("圖像大小（size）:", b.size)
# # 保存灰度圖像
# cv2.imwrite('ting98_GRAY.jpg', b)

4、視頻文件讀取

這里規定了waitKey == 27就表示按下ASCLL碼值為27（ESC鍵）才能退出播放

video_capture = cv2.VideoCapture('your_name.mp4')
if not video_capture.isOpened():print('無法打開文件：')exit()
while True:ret,frame = video_capture.read()if not ret:break# frame = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)cv2.imshow('video',frame)if cv2.waitKey(60) == 27:break
video_capture.release()
cv2.destroyAllWindows()#每次運行完都要釋放緩存

5、ROI提取

這個看上去高大上，但實際上就是python基礎里的切片，將圖片上的某部分提取出來

a = cv2.imread('mm.jpg')  # 重新讀圖（確保 a 有效，也可復用之前的 a ，這里為清晰重寫 ）
if a is not None:# ROI 切片：行范圍 350-650 ，列范圍 250-500 （根據需求調整）b = a[350:650, 250:500]cv2.imshow('yuantu', a)   # 顯示原圖cv2.imshow('qiepian', b)  # 顯示 ROI 區域cv2.waitKey(0)            # 按任意鍵繼續cv2.destroyAllWindows()

6、RGB 顏色通道提取

a = cv2.imread(r'./img.png')
b = cv2.imread(r'./mm.png')
# 2. 提取顏色通道
a1 = a[:, :, 0]  # 藍色通道（B通道）
a2 = a[:, :, 1]  # 綠色通道（G通道）
a3 = a[:, :, 2]  # 紅色通道（R通道）
blue=np.zeros_like(b)
blue[:, :, 0] =b[:, :, 0]
# 或者使用 cv2.split() 來分離顏色通道
b, g, r = cv2.split(a)# 4. 設置窗口顯示時間，單位為毫秒（這里設置為100秒，可以根據需要調整）
cv2.waitKey(100000)
# 5. 關閉所有窗口
cv2.destroyAllWindows()

注意：我們這里是顯示藍色通道的圖像，但是所顯示的圖片確是灰色的，那是因為只顯示藍色通道時， 實際上是將藍色通道作為亮度值，是單個通道，這會導致圖像呈現為灰色。 想要展示只包含藍色通道信息的彩色圖像，可以將圖像中的綠色通道和紅色通道設為0，即移除綠色和紅色，只保留藍色。

7、合并顏色

這個和上面的顏色通道提取差不多，就是把提取后的數據再拼接回去，可以自由組合，這里演示的是合并原圖片

# '''合并顏色通道'''
# 1. 讀取圖像
a = cv2.imread('img.png')
# 2. 提取顏色通道
a1 = a[:, :, 0]  # 藍色通道（B通道）
a2 = a[:, :, 1]  # 綠色通道（G通道）
a3 = a[:, :, 2]  # 紅色通道（R通道）
# 或者使用 cv2.split() 來分離顏色通道
b, g, r = cv2.split(a)
# b 包含藍色通道  g 包含綠色通道  r 包含紅色通道
# 使用cv2.merge()函數將三個通道重新合并成一個圖像
img = cv2.merge((b, g, r))
# img = cv2.merge((a1,a2,a3)) #或者使用這行代碼
cv2.imshow('result3', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

8、圖片修改

1、圖片打碼

a = cv2.imread('img.png')
a[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))  # 矩陣賦值必須是相同大小
cv2.imshow(winname='masaike', mat=a)
cv2.waitKey(1000000)
cv2.destroyAllWindows()

2、圖片組合

這里可以將圖片的部分組合起來

a = cv2.imread('img.png')
b = cv2.imread('mm.jpg')
b[200:350, 200:350] = a[50:200, 100:250]  # 注意：矩陣的大小必須要統一。
cv2.imshow(winname='b', mat=b)
cv2.imshow(winname='a', mat=a)
cv2.waitKey(1000000)
cv2.destroyAllWindows()

3、圖片縮放

# 圖片縮放cv2.resize
# 用于調整圖像的大小。它有以下幾個參數：
# src: 要調整大小的輸入圖像，可以是numpy數組、PIL圖像或其他類型。
# dsize: 輸出圖像的大小，可以是一個元組，例如(寬, 高), 或者使用整數標量來縮放原始圖像。如果dsize為None, 則根據scale
# fx: 沿x軸的縮放系數。
# fy: 沿y軸的縮放系數。
a = cv2.imread('mm.jpg')
a_new = cv2.resize(a, dsize=(200, 600))  # 寬、高
# a_new = cv2.resize(a, dsize=None, fx=1.5, fy=0.5)
# print(a.shape)  # 高、寬、通道數
cv2.imshow(winname='a', mat=a)
cv2.imshow(winname='a_new', mat=a_new)
cv2.waitKey(1000000)
cv2.destroyAllWindows()