2. OpenCV基础回顾：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。这一节我带你快速过一遍OpenCV最核心的几个基础操作。别小看这些，我在实际项目中见过太多人栽在「图像没读进来」或者「颜色搞反了」这种低级错误上。你想想看，YOLO检测前如果图像都没加载对，后面再牛的模型也是白搭。

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，但有几个细节我得跟你聊聊。

import cv2

# 最基本的用法
img = cv2.imread('cat.jpg')

# 我建议你总是显式指定读取模式
img_color = cv2.imread('cat.jpg', cv2.IMREAD_COLOR)      # 彩色图，默认
img_gray = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)   # 灰度图
img_unchanged = cv2.imread('cat.jpg', cv2.IMREAD_UNCHANGED)  # 含Alpha通道
⚠️ 我曾经踩过的坑： 路径里有中文或空格，imread() 会静默返回 None。它不会报错！你后面调用 img.shape 直接崩。所以读取后一定要加个判断。 
img = cv2.imread('测试图片.jpg')
if img is None:
    print("图像没读进来，检查路径！")
    exit()

还有一个事：imread() 默认返回的是 BGR 顺序，不是 RGB。这个太重要了，我后面会反复强调。

2.2 图像显示：imshow() 与窗口管理

显示图像用 cv2.imshow()。嗯，这里有个小细节——你必须配合 waitKey() 才能看到窗口。

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

我个人习惯把 waitKey(0) 写成 cv2.waitKey(0) & 0xFF，这样在有些系统上更稳定。为什么？因为 waitKey() 返回值在不同平台上可能高位有数据，加个掩码更保险。

💡 实用技巧： 如果你想让窗口自适应大小，用 cv2.WINDOW_NORMAL 标志： 
cv2.namedWindow('My Window', cv2.WINDOW_NORMAL)
cv2.imshow('My Window', img)
这样窗口就可以拖拽缩放了。

2.3 图像保存：imwrite() 的格式控制

保存图像用 cv2.imwrite()。它支持很多格式，但有个参数你可能不知道——压缩质量。

# 保存为PNG，压缩级别9（0-9，9最小文件）
cv2.imwrite('output.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 9])

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

我在项目中遇到过一个问题：保存的图片颜色不对。后来发现是因为 imwrite() 默认也是按 BGR 存的。如果你之前把图像转成了 RGB，直接保存就会偏蓝。所以保存前一定要确认色彩空间。

2.4 色彩空间转换：BGR ↔ RGB 的生死攸关

好，重点来了。OpenCV 读图是 BGR，但 YOLO 训练时用的是 RGB。如果你不转换，检测结果会一塌糊涂。

为什么会这样？因为 YOLO 模型在训练时，数据预处理会把图像转成 RGB 再喂给网络。如果你直接拿 BGR 图像去推理，模型看到的颜色分布完全不对，相当于你戴着蓝色眼镜看世界。

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

# RGB 转 BGR（保存或显示时用）
img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)
🔴 核心原则：
  • 用 OpenCV 读取 → 得到 BGR
  • 送入 YOLO 推理前 → 转成 RGB
  • 用 OpenCV 显示/保存 → 转回 BGR

你想想看，如果忘了转换，模型会把红色物体识别成蓝色，那检测框再准也没用。我记得有一次帮同事调试，他死活说模型不准，结果一看——RGB 和 BGR 搞反了。折腾了两天。

2.5 其他常用转换

除了 BGR↔RGB，还有几个转换在 ROI 提取时很常用：

转换 代码 用途
BGR → 灰度 cv2.COLOR_BGR2GRAY 边缘检测、模板匹配
BGR → HSV cv2.COLOR_BGR2HSV 颜色分割、ROI提取
BGR → LAB cv2.COLOR_BGR2LAB 颜色特征分析 
# 灰度图
gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)

# HSV —— 我经常用它做颜色过滤
hsv = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2HSV)
💡 我的经验： 做颜色相关的 ROI 提取时，HSV 比 BGR 好用得多。因为 HSV 把「颜色」和「亮度」分开了，你只需要调 H（色调）和 S（饱和度）两个通道，不受光照影响。

2.6 完整示例：一条龙操作

最后，我给你一个完整的示例，把读取、转换、显示、保存串起来。这也是我写代码时的标准模板。

import cv2

# 1. 读取图像（BGR）
img_bgr = cv2.imread('test.jpg')
if img_bgr is None:
    print("读取失败，检查文件路径")
    exit()

# 2. 转成 RGB（准备送给 YOLO）
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

# 3. 显示原始图像（OpenCV 显示需要 BGR）
cv2.imshow('Original BGR', img_bgr)

# 4. 显示 RGB 图像（颜色会偏蓝，因为 imshow 期望 BGR）
cv2.imshow('RGB (wrong color)', img_rgb)

# 5. 保存 RGB 图像（imwrite 期望 BGR，所以先转回去）
img_bgr_save = cv2.cvtColor(img_rgb, cv2.COLOR_RGB2BGR)
cv2.imwrite('output.jpg', img_bgr_save)

cv2.waitKey(0)
cv2.destroyAllWindows()

嗯，这一节的内容就这些。说白了就是三件事：读图、显图、存图，外加一个色彩空间转换。但你别觉得简单，我敢说 80% 的 OpenCV 新手都在 BGR/RGB 上翻过车。下一节我们开始讲 ROI 提取，到时候你会看到这些基础操作有多重要。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →