2、OpenCV基础（一）：图像读取与显示、视频捕获与保存、色彩空间转换、图像缩放与裁剪

各位同学，欢迎来到OpenCV实战的第一课。说实话，很多初学者一上来就急着调YOLO模型，结果连图像都读不出来，卡在第一步。我个人习惯是，先把地基打牢——图像和视频的读写操作，这是所有视觉任务的起点。

今天这一章，我们就把OpenCV最核心的四个基础操作讲透。你想想看，无论是做目标检测还是人脸识别，本质上都是在跟像素打交道。掌握了这些，后面的路就好走了。

2.1 图像读取与显示

先聊聊最基础的操作——读图。OpenCV里用 cv2.imread() 这个函数。它有两个参数：文件路径和读取模式。

我在项目中遇到过一个问题：用默认模式读了一张PNG图片，结果透明背景变成了黑色。嗯，这里要注意——如果你需要保留透明度，记得用 cv2.IMREAD_UNCHANGED。

import cv2

# 读取彩色图像
img_color = cv2.imread('cat.jpg', cv2.IMREAD_COLOR)

# 读取灰度图像
img_gray = cv2.imread('cat.jpg', cv2.IMREAD_GRAYSCALE)

# 显示图像
cv2.imshow('Color Image', img_color)
cv2.imshow('Gray Image', img_gray)

# 等待按键，参数0表示无限等待
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

显示图像用的是 cv2.imshow()，第一个参数是窗口名称，第二个是图像数据。这里有个小细节：cv2.waitKey(0) 如果不写，窗口会一闪而过。我曾经调试了半天才发现是忘了加这行代码。

2.2 视频捕获与保存

视频处理其实没那么神秘。说白了，视频就是一帧一帧的图像快速播放。OpenCV用 VideoCapture 来读取视频，用 VideoWriter 来保存视频。

2.2.1 从摄像头捕获视频

import cv2

# 打开摄像头，参数0表示第一个摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取一帧
    ret, frame = cap.read()
    
    if not ret:
        print("无法获取视频帧")
        break
    
    # 显示当前帧
    cv2.imshow('Camera', frame)
    
    # 按 'q' 键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

我建议你在读取视频帧时，一定要检查 ret 的返回值。为什么？因为摄像头可能被占用，或者视频文件读到末尾了。如果不检查，程序会直接崩溃。

2.2.2 保存视频到文件

保存视频需要指定编码器。OpenCV用的是FourCC编码格式。常见的编码器有：

编码器	说明
cv2.VideoWriter_fourcc(*'XVID')	XVID编码，生成.avi文件
cv2.VideoWriter_fourcc(*'MJPG')	Motion JPEG编码，生成.avi文件
cv2.VideoWriter_fourcc(*'H264')	H.264编码，生成.mp4文件（需要系统支持）

import cv2

cap = cv2.VideoCapture(0)

# 定义编码器和VideoWriter对象
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 写入帧
    out.write(frame)
    
    cv2.imshow('Recording', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
out.release()
cv2.destroyAllWindows()

2.3 色彩空间转换

OpenCV默认读取的图像是BGR格式，不是我们熟悉的RGB。这一点坑了不少人。我刚开始学的时候，用matplotlib显示图像，结果颜色全乱了——因为matplotlib用的是RGB。

常用的色彩空间转换函数是 cv2.cvtColor()。

import cv2

img = cv2.imread('cat.jpg')

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

# BGR 转 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# BGR 转 RGB（用于matplotlib显示）
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

cv2.imshow('Gray', gray)
cv2.imshow('HSV', hsv)
cv2.waitKey(0)
cv2.destroyAllWindows()

你可能会问：为什么要转HSV？因为HSV在颜色分割任务中特别好用。比如做车牌识别时，用HSV可以轻松提取蓝色或绿色的车牌区域。而BGR对光照变化很敏感，说白了就是不好用。

2.4 图像缩放与裁剪

图像缩放用 cv2.resize()。这个函数有两个关键参数：目标尺寸和插值方法。

import cv2

img = cv2.imread('cat.jpg')
height, width = img.shape[:2]

# 方法1：指定固定尺寸
resized = cv2.resize(img, (300, 300))

# 方法2：按比例缩放
scale_percent = 50  # 缩小到50%
new_width = int(width * scale_percent / 100)
new_height = int(height * scale_percent / 100)
resized_ratio = cv2.resize(img, (new_width, new_height))

# 方法3：使用fx/fy参数（推荐）
resized_fx = cv2.resize(img, None, fx=0.5, fy=0.5)

cv2.imshow('Original', img)
cv2.imshow('Resized', resized_fx)
cv2.waitKey(0)
cv2.destroyAllWindows()

我个人习惯用 fx 和 fy 参数，因为不用手动计算尺寸，代码更简洁。

插值方法的选择也有讲究：

插值方法	适用场景
cv2.INTER_NEAREST	速度最快，但效果粗糙，适合实时处理
cv2.INTER_LINEAR	默认方法，速度与质量平衡
cv2.INTER_CUBIC	放大图像时效果更好，但速度慢
cv2.INTER_AREA	缩小图像时效果最好，避免锯齿

裁剪就简单多了。OpenCV的图像本质上是NumPy数组，直接用切片操作就行。

import cv2

img = cv2.imread('cat.jpg')

# 裁剪：从y=50到y=200，从x=100到x=300
cropped = img[50:200, 100:300]

cv2.imshow('Cropped', cropped)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：切片顺序是 [y_start:y_end, x_start:x_end]。我刚开始总搞反，把x和y写颠倒了。你想想看，图像数组的第一维是行（y方向），第二维是列（x方向），跟数学坐标系不一样。

好了，这一章的内容就到这里。图像读取与显示、视频捕获与保存、色彩空间转换、图像缩放与裁剪——这四个基础操作，你每天都会用到。下一章我们会继续深入，聊聊图像滤波、边缘检测和形态学操作，这些都是为YOLO预处理打基础的内容。

记住：基础不牢，地动山摇。把这些练熟了，后面跑YOLO模型的时候你会感谢自己的。