第1章：OpenCV基础——图像读取与显示、色彩空间转换、图像滤波、边缘检测（Canny）、形态学操作
各位同学，欢迎来到《仿生眼目标检测与跟踪系统实战》的第一章。我是你们这门课的主讲，一个在计算机视觉和嵌入式系统里摸爬滚打了十几年的老兵。今天咱们不聊虚的，直接上手最核心的东西——OpenCV。
你想想看，仿生眼要能“看见”世界，第一步是什么？就是把图像数据从传感器里读出来，然后显示在屏幕上。这一步看似简单，但坑不少。我刚开始做项目时，就因为图像读取的格式没搞对，白白浪费了两天时间排查。嗯，咱们今天就把这些基础打牢。
本章核心知识点一览：
- 图像的读取与显示（imread, imshow）
- 色彩空间转换（BGR ↔ Gray ↔ HSV）
- 图像滤波（均值、高斯、中值）
- 边缘检测（Canny算子）
- 形态学操作（腐蚀、膨胀、开闭运算）
1.1 图像读取与显示——别小看这第一步
在OpenCV里，读取图像用的是cv2.imread()。这个函数有两个参数：文件路径和读取模式。我个人习惯用cv2.IMREAD_COLOR，也就是默认的彩色模式。但要注意，OpenCV读进来的颜色顺序是BGR，不是RGB！
为什么？因为早期摄像头硬件就是这么输出的。我在做仿生眼项目时，第一次把图像显示出来，发现人脸是蓝的，吓我一跳。后来才反应过来，是通道顺序搞反了。
import cv2
# 读取图像
img = cv2.imread('test.jpg', cv2.IMREAD_COLOR)
# 显示图像
cv2.imshow('仿生眼 - 原始图像', img)
# 等待按键，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()💡 我的小技巧：在嵌入式设备上，waitKey(0)会阻塞主线程。如果你在做实时视频流，记得改成waitKey(1)，这样每1毫秒刷新一次，不会卡死。
1.2 色彩空间转换——让机器看懂颜色
人眼看到的是红绿蓝，但机器不一定这么看。比如做颜色跟踪时，HSV空间比BGR好用得多。为什么？因为HSV把色调（H）、饱和度（S）、明度（V）分开了，光照变化对H通道影响小。
我在做仿生眼的目标跟踪时，就吃过这个亏。一开始在BGR空间里做颜色阈值，结果换个光照环境就全废了。后来换成HSV，稳得很。
# BGR 转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# BGR 转 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)⚠️ 注意：OpenCV中HSV的H范围是0-179，不是0-255！S和V是0-255。我见过不少新手用inRange()时，H值设到200多，结果什么都检测不到。嗯，这个坑我踩过。
1.3 图像滤波——去噪是预处理的关键
摄像头采集的图像，多少都有噪声。尤其是仿生眼这种移动平台，运动模糊和传感器噪声是家常便饭。滤波就是把这些噪声干掉，保留有用的边缘信息。
常用的三种滤波：
- 均值滤波：简单粗暴，但会模糊边缘
- 高斯滤波：权重按高斯分布，效果更自然
- 中值滤波：对椒盐噪声特别有效，我经常用
# 均值滤波
blur = cv2.blur(img, (5, 5))
# 高斯滤波
gaussian = cv2.GaussianBlur(img, (5, 5), 1.5)
# 中值滤波
median = cv2.medianBlur(img, 5)💡 实战经验：在仿生眼项目中，我一般先用高斯滤波做一次轻度去噪，再用中值滤波处理掉那些孤立的噪点。两个滤波器配合使用，效果比单个好很多。
1.4 边缘检测（Canny）——找到物体的轮廓
边缘检测是目标检测的基石。Canny算子是目前最经典的，它分四步走：去噪、算梯度、非极大值抑制、双阈值检测。
双阈值是Canny的精髓。高阈值决定哪些是强边缘，低阈值决定哪些是弱边缘。我一般设高阈值100，低阈值50。但具体数值要看你的图像，没有万能参数。
# 先转灰度，再Canny
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 100)
cv2.imshow('Canny边缘', edges)⚠️ 避坑指南：我曾经在仿生眼项目中，直接对彩色图做Canny，结果边缘乱七八糟。记住，Canny输入必须是单通道灰度图。另外，阈值设得太低会检测出大量噪声，设得太高又会丢失真实边缘。建议先用cv2.createTrackbar()动态调参。
1.5 形态学操作——修修补补的好工具
边缘检测完了，图像里可能还有断点、空洞、毛刺。这时候形态学操作就派上用场了。说白了，就是用一个小结构元素（比如3x3的矩形）去“扫描”图像，做腐蚀或膨胀。
- 腐蚀：让白色区域缩小，去掉小噪点
- 膨胀：让白色区域扩大，连接断开的边缘
- 开运算：先腐蚀后膨胀，去噪点
- 闭运算：先膨胀后腐蚀，填小孔
# 定义结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 腐蚀
erosion = cv2.erode(img, kernel, iterations=1)
# 膨胀
dilation = cv2.dilate(img, kernel, iterations=1)
# 开运算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
# 闭运算
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)💡 我的习惯：在仿生眼的目标跟踪中，我通常先用开运算去掉背景噪点，再用闭运算把目标内部的空洞填上。这样得到的二值图，后续做轮廓提取就干净多了。
本章小结
好了，这一章的内容就这些。图像读取与显示是基本功，色彩空间转换让你更灵活地处理颜色，滤波帮你降噪，Canny帮你找边缘，形态学操作帮你修图。这五个技能，是仿生眼项目里天天都要用的。
我个人建议，你拿到代码后，不要光看，一定要动手跑一遍。把参数改一改，看看效果有什么变化。只有亲手试过，才能真正理解每个函数的作用。
下一章，我们会把这些基础操作串起来，做一个简单的目标检测Demo。到时候你会发现，原来这些看似零散的知识点，组合起来威力这么大。