2、OpenCV基础回顾（一）：图像读取、显示、保存、色彩空间转换（BGR与RGB）

好，咱们正式开始动手了。这一章我带你快速过一遍OpenCV最核心的几个基础操作。别小看这些，我见过太多项目翻车，就是因为最基础的读取和色彩空间没搞对。

2.1 图像读取：imread() 的坑与技巧

OpenCV读取图像用的是 cv2.imread()。这个函数很简单，但有几个细节我必须要说。

import cv2

# 默认以彩色模式读取
img = cv2.imread('cat.jpg')

# 显式指定灰度模式
img_gray = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)

# 保留原图通道（包括透明通道）
img_unchanged = cv2.imread('cat.jpg', cv2.IMREAD_UNCHANGED)

核心要点：

  • 默认读取结果是 BGR 格式，不是 RGB！这个我后面会细讲。
  • 如果路径不对，imread() 不会报错，而是返回 None。嗯，这里要注意，你后续操作就会直接崩溃。
  • 我习惯在读取后加一行断言：assert img is not None, "图片读取失败"，省得排查半天。
我曾经踩过的坑： 有一次项目上线，客户反馈说“图片显示颜色不对”。查了半天，发现是图片路径中有中文，imread() 返回了 None，但后续代码没检查，直接用了空变量。从那以后，我每条读取路径都加断言。

2.2 图像显示：imshow() 与 waitKey() 的配合

显示图像用 cv2.imshow()，但你必须配合 cv2.waitKey() 才能看到窗口。

cv2.imshow('My Window', img)
cv2.waitKey(0)  # 等待任意按键
cv2.destroyAllWindows()

这里有几个关键点：

  • waitKey(0) 表示无限等待，直到你按键盘。如果你写 waitKey(1000)，窗口只显示1秒就自动关闭。
  • 记得调用 destroyAllWindows() 释放资源。虽然程序结束会自动释放，但养成习惯没坏处。
  • 窗口标题不要用中文？其实现在OpenCV已经支持中文标题了，但某些旧版本还是乱码。我建议直接用英文或拼音。
小技巧： 调试时我经常用 cv2.imshow() 配合 cv2.waitKey(1) 做视频流的实时显示。但注意，waitKey(1) 返回的是按键的ASCII码，可以用来做交互控制。

2.3 图像保存：imwrite() 的格式与质量

保存图像用 cv2.imwrite()。它支持多种格式，但不同格式的参数不一样。

# 保存为PNG（无损）
cv2.imwrite('output.png', img)

# 保存为JPEG，指定质量（0-100）
cv2.imwrite('output.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 95])

# 保存为PNG，指定压缩级别（0-9）
cv2.imwrite('output.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 3])

经验之谈：

  • JPEG质量我一般设95，再高文件体积大，肉眼也看不出区别。
  • PNG压缩级别默认是3，如果你要快速保存，可以设0（不压缩），但文件会很大。
  • 保存路径同样不能有中文，否则会静默失败。我遇到过好几次，保存后找不到文件，一查是路径里有中文空格。

2.4 色彩空间转换：BGR 与 RGB 的世纪难题

这是新手最容易懵的地方。OpenCV 默认是 BGR 顺序，而大多数其他库（比如 matplotlib、PIL）用的是 RGB 顺序。

为什么会这样？说白了就是历史原因。早期OpenCV开发时，BGR是相机和显示设备的通用格式，就这么沿用下来了。

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

# RGB 转 BGR
img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)

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

你想想看： 如果你用 matplotlib 显示 OpenCV 读取的图像，颜色会完全错乱——红色变蓝色，蓝色变红色。我第一次遇到时还以为是相机坏了。

核心记忆法： OpenCV 读进来是 BGR，显示用 matplotlib 前必须转 RGB。保存时 OpenCV 会自动处理，但如果你用 PIL 保存，也要先转 RGB。

2.5 实战：一个完整的读取-转换-显示-保存流程

咱们把上面所有知识点串起来，写一个完整的例子。

import cv2
import matplotlib.pyplot as plt

# 1. 读取图像（BGR格式）
img_bgr = cv2.imread('cat.jpg')
assert img_bgr is not None, "图片读取失败，检查路径"

# 2. 显示原始BGR图像（用OpenCV）
cv2.imshow('BGR Image', img_bgr)
cv2.waitKey(0)

# 3. 转换为RGB（用于matplotlib显示）
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

# 4. 用matplotlib显示
plt.imshow(img_rgb)
plt.title('RGB Image')
plt.axis('off')
plt.show()

# 5. 转换为灰度图
img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)

# 6. 保存灰度图
cv2.imwrite('cat_gray.jpg', img_gray, [cv2.IMWRITE_JPEG_QUALITY, 90])

print("处理完成！")

这个流程我几乎每个项目都会用到。说白了，就是“读进来是BGR，显示前转RGB，保存时OpenCV自动处理”。记住这个口诀，能省掉你80%的色彩问题。

2.6 常见问题与避坑指南

问题 原因 解决方案
imread() 返回 None 路径错误、中文路径、文件不存在 加断言检查，路径用英文
imshow() 窗口一闪而过 没加 waitKey() 或 waitKey(0) 确保调用 waitKey(0)
颜色显示异常 BGR/RGB 混淆 用 cvtColor 转换
imwrite() 保存失败 路径权限、中文路径、格式不支持 检查路径，用英文命名
我曾经犯过的错： 有一次做模型部署，训练时用的RGB图像，推理时OpenCV读进来直接喂给模型，结果准确率暴跌。排查了两天才发现是色彩空间没对齐。从那以后，我所有项目的预处理流程第一行一定是 cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。

好了，这一章的基础操作就这些。别看简单，它们是后续所有图像处理、模型推理的基石。下一章咱们会深入图像的基本操作——裁剪、缩放、旋转，这些在数据预处理中特别常用。

← 上一章 📖 返回目录 下一章 →