OpenCV 图像处理入门：从读取、显示到颜色空间转换

关注

原创最新推荐文章于 2026-04-12 10:59:33 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

chatgpt赋能python：**Python图像处理教程：使用Python进行图像处理** 本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。阅读详情

【精选优质专栏推荐】

《AI 技术前沿》 —— 紧跟 AI 最新趋势与应用
《网络安全新手快速入门(附漏洞挖掘案例)》 —— 零基础安全入门必看
《BurpSuite 入门教程(附实战图文)》 —— 渗透测试必备工具详解
《网安渗透工具使用教程(全)》 —— 一站式工具手册
《CTF 新手入门实战教程》 —— 从题目讲解到实战技巧
《前后端项目开发(新手必知必会)》 —— 实战驱动快速上手

每个专栏均配有案例与图文讲解，循序渐进，适合新手与进阶学习者，欢迎订阅。

文章目录

在这里插入图片描述

前言

在处理图像时，一些最基本的操作包括从磁盘读取图像、显示图像、访问像素值，以及将图像从一种颜色空间转换到另一种颜色空间，这些都是掌握图像处理的基础。

本教程将解释这些基本操作，并首先描述数字图像是如何通过空间坐标和像素强度值来构成的。

在本教程中，你将熟悉在处理图像时使用 OpenCV 的最基础操作。

完成本教程后，你将学会：

数字图像如何通过空间坐标和像素强度值来构成。
如何在 OpenCV 中读取和显示图像。
如何访问图像的像素值。
如何将图像从一种颜色空间转换为另一种颜色空间。

本教程分为三部分：

图像的构成
在 OpenCV 中读取和显示图像
颜色空间之间的转换

图像的构成

数字图像由像素组成，每个像素由其在图像空间内的空间坐标和强度值（灰度值）描述。

本质上，一幅图像可以用二维函数 I(x, y) 描述，其中 x 和 y 表示空间坐标，I(x, y) 的值表示该像素的强度。在数字图像中，空间坐标和强度值都是有限的离散量。

我们刚描述的图像类型称为灰度图像，因为它只包含单通道，每个像素仅包含强度信息。像素强度通常用整数表示，范围为 [0, 255]，即每个像素有 256 个离散值。

另一方面，RGB 图像由三个通道组成，分别为红色（Red）、绿色（Green）和蓝色（Blue）。

RGB 颜色模型不是唯一的颜色模型，但它在计算机视觉应用中可能是最常用的。它是一种加色模型，通过混合不同颜色光源的光谱来创建颜色。

由于 RGB 图像由三个通道组成，我们需要三个函数来描述它：IR(x, y)、IG(x, y)、IB(x, y)，分别对应红、绿、蓝三个通道。因此，在 RGB 图像中，每个像素值由三个强度值组成的三元组表示。

在 OpenCV 中读取和显示图像

首先从 Python 的 OpenCV 库中导入 imread 方法：

from cv2 import imread

然后读取一幅 RGB 图像。例如，我下载了一张图片，并将其保存为 ‘Images/Dog.jpg’。

img = imread('Images/Dog.jpg')

imread 方法返回一个 NumPy 数组 img，其中包含图像像素值。可以检查数组的数据类型和维度：

print('Datatype:', img.dtype, '\nDimensions:', img.shape)

输出结果示例：

Datatype: uint8
Dimensions: (4000, 6000, 3)

该信息说明数组的数据类型为 uint8（8 位无符号整数），每个通道的像素值在 0 到 255 之间，正好符合前面介绍的图像构成。数组的维度为 4000 × 6000 × 3，分别对应图像的行数、列数和通道数。

图像是一个三维 NumPy 数组，因此可以使用 NumPy 语法对其进行操作。

例如，访问图像左上角的第一个像素（Python 中数组索引从 0 开始，对应坐标为 (0, 0)）：

print(img[0, 0])

输出示例：

[173 186 232]

如预期，每个像素包含三个值，分别对应 RGB 三个通道。下一节将解释这三个值分别对应哪个通道。

注意：如果 imread 方法未能加载图像（例如文件不存在或路径无效），它不会报错，而是返回 None 类型对象。因此，在使用 img 之前可进行如下检查：

if img is not None:
    ...

接下来，我们使用 Matplotlib 包以及 OpenCV 的 imshow 方法显示图像。imshow 方法的第一个参数是窗口名称，第二个参数是要显示的图像。显示图像后，可以调用 OpenCV 的 waitKey 方法等待键盘事件，单位为毫秒。如果输入值为 0，则无限等待，直到检测到键盘事件。

使用 Matplotlib 显示图像示例：

import matplotlib.pyplot as plt

plt.imshow(img)
plt.title('Displaying image using Matplotlib')
plt.show()

在这里插入图片描述

使用 OpenCV：

from cv2 import imshow, waitKey

imshow('Displaying image using OpenCV', img) 
waitKey(0)

在这里插入图片描述

如果你对 Matplotlib 显示的输出感到惊讶，并想知道这是怎么发生的，其原因在于 OpenCV 读取和显示图像时使用的是 BGR 而不是 RGB 顺序。

OpenCV 的早期开发者选择 BGR 颜色格式（而非 RGB），是因为当时 BGR 颜色格式在软件提供商和摄像头厂商中非常流行。
——《Mastering OpenCV 4 with Python, 2019》

而 Matplotlib 使用的是 RGB 颜色格式，因此在显示之前，需要先将 BGR 图像转换为 RGB 格式，才能正确显示。

使用 OpenCV，你也可以将 NumPy 数组写入图像文件，例如：

from cv2 import imwrite

imwrite("output.jpg", img)

使用 imwrite() 函数写入图像时，需要确保 NumPy 数组符合 OpenCV 期望的格式，即一个三维的 uint8 数组，形状为行 × 列 × 通道，通道顺序为 BGR。

颜色空间转换

将图像从一种颜色空间转换到另一种颜色空间，可以使用 OpenCV 的 cvtColor 方法。该方法需要传入源图像和颜色空间转换代码。

例如，在 BGR 和 RGB 之间转换，可以使用以下代码：

from cv2 import cvtColor, COLOR_BGR2RGB

img_rgb = cvtColor(img, COLOR_BGR2RGB)

如果再次使用 Matplotlib 显示图像，现在它将正确显示：

plt.imshow(img_rgb)
plt.show()

在这里插入图片描述

如果我们想访问新转换为 RGB 图像的左上角第一个像素的值：

print(img_rgb[0, 0])

输出示例：

[232 186 173]

将其与之前 BGR 图像的值 [173 186 232] 进行比较，可以发现第一个值和第三个值交换了位置。这说明，像素值的顺序对应于图像通道的顺序。

使用 cvtColor 方法不仅可以实现 BGR 到 RGB 的转换。实际上，还有很多颜色空间转换代码可供选择，例如 COLOR_RGB2HSV，可以在 RGB 和 HSV（色调、饱和度、亮度）颜色空间之间进行转换。

另一种常见的转换是从 RGB 转为灰度图像，如前面提到的，输出将是单通道图像。示例代码如下：

from cv2 import COLOR_RGB2GRAY, cvtColor, imshow, waitKey

img_gray = cvtColor(img_rgb, COLOR_RGB2GRAY)

imshow('Grayscale Image', img_gray)
waitKey(0)

在这里插入图片描述

灰度转换已经成功完成，但我们也可以尝试访问左上角第一个像素（坐标 (0, 0)）的值：

print(img_gray[0, 0])

输出示例：

如预期，仅打印出了一个数字，对应该像素的强度值。

值得注意的是，这并不是将图像转换为灰度图的唯一方法。实际上，如果应用只需要灰度图像而非 RGB 图像，也可以在读取图像时直接以灰度方式读取：

from cv2 import IMREAD_GRAYSCALE, imread, imshow, waitKey

img_gray = imread('Images/Dog.jpg', IMREAD_GRAYSCALE)

imshow('Grayscale Image', img_gray)
waitKey(0)