3、图像处理基础（上）：图像读取与显示、色彩空间转换、几何变换、裁剪与ROI提取

各位同学，欢迎来到第三讲。

说实话，做计算机视觉这么多年，我见过太多人一上来就调模型、跑训练，结果连图像是怎么读进来的都没搞清楚。嗯，这就像你还没学会走路就想跑马拉松。今天这堂课，咱们就把图像处理最基础、最核心的几个操作彻底讲透。

我个人习惯，不管项目多急，都会先花10分钟把图像的基本属性摸清楚。你想想看，一张图片在计算机眼里到底是什么？说白了，就是一个多维数组。理解了这一点，后面所有操作都顺理成章。

3.1 图像读取与显示：imread / imshow

OpenCV里最常用的两个函数，就是imread和imshow。别看它们简单，坑可不少。

imread 的完整签名是这样的：

cv2.imread(filename, flags=cv2.IMREAD_COLOR)

这里有个细节，我当年刚入行时就吃过亏。flags参数默认是IMREAD_COLOR，它会将图像转为BGR三通道，哪怕原图是灰度图。如果你希望保留原始通道数，得用IMREAD_UNCHANGED。

来看一个完整的读取与显示示例：

import cv2
import matplotlib.pyplot as plt

# 读取图像
img = cv2.imread('lena.jpg', cv2.IMREAD_COLOR)

# 显示图像
cv2.imshow('Window Title', img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()

这里waitKey(0)是什么意思？它会无限等待用户按键。如果你写成waitKey(1000)，窗口只显示1秒就自动关闭。我建议调试阶段用waitKey(0)，方便观察。

另外，imshow显示的窗口大小是固定的，不能缩放。如果你需要交互式缩放，可以用cv2.namedWindow配合cv2.WINDOW_NORMAL标志：

cv2.namedWindow('Resizable', cv2.WINDOW_NORMAL)
cv2.imshow('Resizable', img)

3.2 色彩空间转换：BGR / RGB / Gray

这里有个非常容易混淆的点，我必须强调一下。

OpenCV默认的色彩通道顺序是 BGR（蓝绿红），而Matplotlib、PIL等库用的是 RGB（红绿蓝）。如果你直接用plt.imshow()显示OpenCV读入的图像，颜色会完全错乱——红色变蓝色，蓝色变红色。

为什么会这样？因为OpenCV在历史早期选择了BGR作为默认顺序，这个习惯一直保留至今。我个人觉得这确实有点反直觉，但既然行业标准如此，我们只能适应。

转换方法很简单：

# BGR 转 RGB
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# BGR 转 灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 灰度图 转 BGR（注意：转回去后仍然是灰度视觉效果）
img_bgr_back = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR)

我建议你在项目中养成一个习惯：统一使用BGR作为内部存储格式，只在显示或保存时做转换。这样可以避免来回转换带来的性能损耗和精度损失。

灰度图转换时，OpenCV内部用的是加权平均法：Gray = 0.299*R + 0.587*G + 0.114*B。这个权重是根据人眼对不同颜色敏感度设计的，不是简单的平均。

3.3 图像几何变换：缩放 / 旋转 / 平移

几何变换是图像处理里的基本功。说白了，就是改变图像中像素的位置。

3.3.1 缩放

用cv2.resize实现。有两种指定方式：

# 方式一：指定目标尺寸
resized = cv2.resize(img, (width, height))

# 方式二：指定缩放比例
resized = cv2.resize(img, None, fx=0.5, fy=0.5)

插值方法的选择很关键。我一般遵循这个原则：

场景	推荐插值方法
缩小图像	cv2.INTER_AREA
放大图像	cv2.INTER_CUBIC 或 cv2.INTER_LINEAR
速度优先	cv2.INTER_NEAREST

我在做实时人脸检测时，经常先把图像缩小到一半尺寸，检测速度能提升近4倍，而精度损失几乎可以忽略。

3.3.2 旋转

旋转需要先构建一个仿射变换矩阵。OpenCV提供了cv2.getRotationMatrix2D：

# 参数：旋转中心、角度、缩放比例
M = cv2.getRotationMatrix2D((cols/2, rows/2), 45, 1.0)
rotated = cv2.warpAffine(img, M, (cols, rows))

注意，旋转后图像可能会被裁剪。如果你希望保留完整图像，需要手动计算新的边界尺寸。我写过一个小工具函数来处理这个，回头可以分享给大家。

3.3.3 平移

平移也是仿射变换的一种。构建平移矩阵：

# 向右平移100像素，向下平移50像素
M = np.float32([[1, 0, 100], [0, 1, 50]])
translated = cv2.warpAffine(img, M, (cols, rows))

平移后超出边界的部分会被裁剪掉。如果你希望保留完整图像，可以适当增大输出尺寸。

3.4 图像裁剪与ROI提取

裁剪在OpenCV里简单得令人发指——直接用数组切片就行。

# 裁剪 [y1:y2, x1:x2]
roi = img[100:300, 200:400]

就这么简单。但这里有个容易忽略的点：切片操作返回的是原图的视图（view），不是副本。也就是说，如果你修改了roi中的像素，原图也会跟着变。

如果你需要独立操作，记得用.copy()：

roi_copy = img[100:300, 200:400].copy()

ROI提取在实际项目中太常用了。比如人脸检测后，我们需要把检测到的人脸区域截取出来，再送入识别模型。我一般会这样写：

# 假设检测到的人脸框为 (x, y, w, h)
face_roi = img[y:y+h, x:x+w]

# 如果怕边界越界，加个保护
y1 = max(0, y)
y2 = min(img.shape[0], y+h)
x1 = max(0, x)
x2 = min(img.shape[1], x+w)
face_roi = img[y1:y2, x1:x2]

好了，这一讲的内容就到这里。下一讲我们会继续深入图像处理，聊聊滤波、边缘检测和形态学操作。这些都是后续人脸检测和特征提取的基础，一定要打好底子。

有什么问题，欢迎在课程群里交流。咱们下节课见。

---

公众号:蓝海资料掘金营，微信deep3321