Python OpenCV图像处理与深度学习:Python OpenCV图像处理基础-优快云博客

图像基础：从像素到OpenCV

学习目标

通过本课程，学员们将深入了解图像的基本概念，包括像素、颜色空间（如RGB、HSV）以及常见的图像格式。同时，学员们将掌握如何使用OpenCV库读取、显示和保存图像，为后续深入学习图像处理打下坚实的基础。

学习内容

1 Python OpenCV图像基础

1.1 图像的基本概念

在数字图像处理中，图像可以被看作是一个二维函数f(x, y)，其中x和y是空间坐标，而f(x, y)的值则对应于该点的亮度或颜色。在计算机中，图像通常以矩阵的形式存储，矩阵中的每个元素代表图像中的一个像素。像素是构成图像的最小单位，每个像素都有一个特定的位置和颜色值。

1.1.1 像素

像素（Pixel）是图像的基本单位，每个像素都有一个特定的位置和颜色值。在数字图像中，像素的颜色通常由红（R）、绿（G）、蓝（B）三种颜色的组合来表示，这就是常说的RGB颜色模型。每个颜色通道的值范围通常是从0到255，其中0表示该颜色完全缺失，255表示该颜色最亮。

1.1.2 图像格式

图像格式是指图像文件的存储方式，不同的图像格式有不同的特点和用途。常见的图像格式包括：

JPEG：一种有损压缩格式，适用于照片等需要大量存储空间的图像。
PNG：一种无损压缩格式，支持透明度，适用于需要保持图像质量的场景。
BMP：一种未压缩的图像格式，文件较大，但兼容性好。
GIF：支持动画，常用于网页和简单的动画制作。

1.1.3 图像的分辨率

图像的分辨率是指图像的宽度和高度，通常以像素为单位表示。例如，一个分辨率为1920x1080的图像表示该图像的宽度为1920像素，高度为1080像素。分辨率越高，图像的细节越丰富，但文件大小也会相应增加。

1.2 颜色空间

颜色空间是一种数学模型，用于描述颜色的表示方式。不同的颜色空间适用于不同的应用场景。在图像处理中，最常用的颜色空间包括RGB、HSV和灰度空间。

1.2.1 RGB颜色空间

RGB颜色空间是最常用的颜色模型之一，它通过红、绿、蓝三种颜色的组合来表示图像中的每个像素。每个颜色通道的值范围从0到255，其中0表示该颜色完全缺失，255表示该颜色最亮。RGB颜色空间适用于大多数显示设备，如计算机显示器和电视。

1.2.2 HSV颜色空间

HSV颜色空间是一种基于人类视觉系统的颜色模型，它将颜色分为色调（Hue）、饱和度（Saturation）和亮度（Value）三个分量。色调表示颜色的类型，饱和度表示颜色的纯度，亮度表示颜色的明暗程度。HSV颜色空间在图像处理中常用于颜色分割和颜色识别。

1.2.3 灰度空间

灰度空间是一种单通道的颜色模型，每个像素只有一个亮度值，范围从0到255。0表示黑色，255表示白色，中间的值表示不同的灰度。灰度图像在图像处理中常用于简化计算和提高处理速度。

1.3 使用OpenCV处理图像

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，提供了丰富的图像处理和计算机视觉功能。在本课程中，将学习如何使用OpenCV读取、显示和保存图像。

1.3.1 安装OpenCV

在开始之前，确保已经安装了OpenCV库。可以使用以下命令通过pip安装：

%pip install opencv-python

1.3.2 读取图像

执行以下指令获取测试图片。

!wget https://model-community-picture.obs.cn-north-4.myhuaweicloud.com/ascend-zone/notebook_datasets/85ff9c822fa811f0a0bdfa163edcddae/example.jpg

使用OpenCV读取图像非常简单。cv2.imread()函数可以读取图像文件并返回一个NumPy数组，该数组表示图像的像素值。

import cv2

# 读取图像
image = cv2.imread('example.jpg')

# 检查图像是否成功读取
if image is None:
    print("图像读取失败，请检查文件路径是否正确。")
else:
    print("图像读取成功！")

1.3.3 显示图像

使用cv2.imshow()函数可以显示图像。需要注意的是，cv2.imshow()函数会创建一个窗口来显示图像，因此需要使用cv2.waitKey()函数来等待用户按键，否则窗口会立即关闭。

import cv2

# 读取图像
image = cv2.imread('example.jpg')

# 显示图像
cv2.imshow('Image', image)

# 等待用户按键
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

在这里插入图片描述
注意：退出命令行，需要鼠标点中图像，然后输入任意值，即可退出。再在命令行里输入cv2.destroyAllWindows()即可完全退出。(这个设计有点奇怪，哈哈)

1.3.4 保存图像

使用cv2.imwrite()函数可以将图像保存到文件中。该函数需要两个参数：保存的文件路径和要保存的图像。

import cv2

# 读取图像
image = cv2.imread('example.jpg')

# 保存图像
cv2.imwrite('save.jpg', image)

print("图像保存成功！")

1.3.5 图像的基本操作

除了读取、显示和保存图像，OpenCV还提供了许多其他图像处理功能。例如，可以使用cv2.cvtColor()函数将图像从一种颜色空间转换为另一种颜色空间。

import cv2
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('example.jpg')

# 将图像从BGR颜色空间转换为灰度空间
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 将 BGR 格式转换为 RGB 格式，以适配 matplotlib 的显示
gray_image = cv2.cvtColor(gray_image, cv2.COLOR_BGR2RGB)
# 显示灰度图像
plt.imshow(gray_image)
plt.axis('off')
plt.show()