Python + OpenCV 从零开始详细教程

1. 环境准备

首先安装必要的库：

pip install opencv-python numpy matplotlib

2. 图像基础操作

(1) 读取与显示图像

import cv2

# 读取图像
image = cv2.imread("path/to/image.jpg")  # 替换为实际路径

# 显示图像
cv2.imshow("Original Image", image)
cv2.waitKey(0)  # 按任意键关闭窗口
cv2.destroyAllWindows()

(2) 图像属性获取

height, width, channels = image.shape
print(f"图像尺寸: {width}x{height}, 通道数: {channels}")

3. 图像处理技术

(1) 颜色空间转换

gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转灰度图
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)    # 转HSV空间

(2) 图像阈值处理

_, binary = cv2.threshold(gray_image, 127, 255, cv2.THRESH_BINARY)

(3) 边缘检测（Canny算法）

edges = cv2.Canny(gray_image, 100, 200)  # 参数调整边缘敏感度

4. 图像几何变换

(1) 缩放与旋转

# 缩放
resized = cv2.resize(image, (new_width, new_height))  

# 旋转
rotation_matrix = cv2.getRotationMatrix2D((width/2, height/2), 45, 1)  # 旋转45°
rotated = cv2.warpAffine(image, rotation_matrix, (width, height))

(2) 仿射变换

pts1 = np.float32([[50,50], [200,50], [50,200]])
pts2 = np.float32([[10,100], [200,50], [100,250]])
matrix = cv2.getAffineTransform(pts1, pts2)
result = cv2.warpAffine(image, matrix, (width, height))

5. 特征检测

(1) 角点检测（Harris算法）

gray = np.float32(gray_image)
corners = cv2.cornerHarris(gray, 2, 3, 0.04)  # 参数可调
image[corners > 0.01 * corners.max()] = [0,0,255]  # 标记角点为红色

(2) 人脸检测（Haar级联）

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
faces = face_cascade.detectMultiScale(gray_image, scaleFactor=1.1, minNeighbors=5)

# 绘制检测框
for (x,y,w,h) in faces:
    cv2.rectangle(image, (x,y), (x+w,y+h), (255,0,0), 2)

6. 图像滤波

(1) 高斯模糊

blurred = cv2.GaussianBlur(image, (15,15), 0)  # 核大小需为奇数

高斯滤波权重计算：
$$G(x,y)=\frac{1}{2\pi {\sigma }^2}{e}^{-\frac{x^2+y^2}{2{\sigma }^2}}$$

(2) 中值滤波

median = cv2.medianBlur(image, 5)  # 有效去除椒盐噪声

7. 图像保存

cv2.imwrite("processed_image.jpg", image)  # 保存处理结果

8. 综合案例：实时摄像头处理

cap = cv2.VideoCapture(0)  # 打开摄像头

while True:
    ret, frame = cap.read()
    if not ret: break
    
    # 实时边缘检测
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 100, 200)
    
    cv2.imshow("Live Edge Detection", edges)
    if cv2.waitKey(1) & 0xFF == ord('q'):  # 按q退出
        break

cap.release()
cv2.destroyAllWindows()

9. 进阶技巧

• 直方图均衡化：增强对比度

  equalized = cv2.equalizeHist(gray_image)
  

• 模板匹配：查找特定图案

  result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)
  min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
  

10. 调试建议

1. 使用matplotlib显示多图对比：

   import matplotlib.pyplot as plt
   plt.subplot(121), plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
   plt.subplot(122), plt.imshow(edges, cmap='gray')
   plt.show()
   

2. 调整参数时使用轨迹栏：

   cv2.createTrackbar('Threshold1', 'Window', 100, 500, callback_func)
   

注意事项：

1. OpenCV默认使用BGR格式，matplotlib使用RGB，显示时需转换
2. 处理视频流时注意帧率控制
3. 复杂操作建议使用NumPy向量化计算加速

通过本教程，您已掌握OpenCV核心功能的实现方法，建议从简单项目开始实践（如证件照背景替换、运动检测等），逐步深入计算机视觉领域。