2、图像与视频基础：像素、色彩空间、文件格式与帧率
好，咱们正式开始聊图像和视频的基础。这部分内容，说白了就是整个计算机视觉的「地基」。你想想看，不管后面做多酷炫的检测、跟踪、识别，最终处理的都是这些最基础的东西。我个人习惯，在动手写代码之前，一定先把这些概念理清楚，不然踩坑了都不知道怎么爬出来。
2.1 像素：图像的最小单元
图像是什么？在计算机眼里，图像就是一个巨大的数字矩阵。这个矩阵里的每一个小格子，就是一个像素（Pixel）。
你可以把像素想象成马赛克瓷砖。一张1920x1080的图像，就是由1920列、1080行，总共超过200万块小瓷砖拼出来的。每个瓷砖都有自己的颜色值。
我在项目中遇到过一个问题：有同学把一张4K图片直接缩放到100x100，结果图像完全没法看。为什么？因为像素点被暴力合并了，细节全丢了。所以，处理图像时一定要清楚你的像素数量够不够用。
核心概念： 像素值范围通常是0-255（8位图像）。0代表全黑，255代表全亮。如果是16位图像，范围就是0-65535。
2.2 色彩空间：BGR、RGB、HSV、灰度
色彩空间，说白了就是「用数学描述颜色」的方式。不同的场景，用不同的色彩空间会更顺手。
2.2.1 BGR 与 RGB
OpenCV默认用的是BGR，不是我们常见的RGB。这一点坑了无数新手。
我记得第一次用OpenCV显示图像时，发现人脸是蓝色的。查了半天，原来是OpenCV读进来是BGR，而matplotlib显示需要RGB。嗯，这里要注意：OpenCV的imread()返回的是BGR顺序。
import cv2
import matplotlib.pyplot as plt
# 读取图像，默认是BGR
img = cv2.imread('face.jpg')
# 转换为RGB才能正确显示
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.show()避坑指南： 我曾经在做一个项目时，用OpenCV读取图像后直接保存，结果颜色完全不对。后来发现是保存时用了BGR格式，而预览软件默认按RGB解析。所以，保存图像前一定要确认色彩空间。
2.2.2 HSV 色彩空间
HSV（色调Hue、饱和度Saturation、明度Value）是我个人最喜欢的色彩空间。为什么？因为它更符合人类对颜色的感知。
在BGR里，你要找到某个颜色范围很麻烦。比如要检测红色，BGR的红色可能是(0,0,255)，但稍微暗一点、亮一点，数值就变了。而在HSV里，你只需要固定H值（色调），调整S和V就能覆盖所有红色。
我建议在做颜色检测时，优先用HSV。比如检测交通灯：
import cv2
import numpy as np
# 读取图像
img = cv2.imread('traffic_light.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 红色范围（H: 0-10 和 170-180）
lower_red1 = np.array([0, 50, 50])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 50, 50])
upper_red2 = np.array([180, 255, 255])
# 生成掩码
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = cv2.bitwise_or(mask1, mask2)
# 提取红色区域
result = cv2.bitwise_and(img, img, mask=mask)小技巧： HSV中H的范围是0-180（OpenCV为了节省空间，把0-360压缩了一半）。S和V的范围是0-255。记住这个，不然你设的阈值永远不对。
2.2.3 灰度图像
灰度图像只有一个通道，值从0（黑）到255（白）。为什么需要灰度？因为很多算法在灰度图上跑得更快，而且不受颜色干扰。
比如边缘检测、人脸识别，通常第一步就是把彩色图转成灰度图。你想想看，三个通道的数据量是单通道的三倍，处理起来自然慢。
# 彩色转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 或者直接以灰度模式读取
gray_img = cv2.imread('photo.jpg', cv2.IMREAD_GRAYSCALE)2.3 图像与视频文件格式
格式这东西，说白了就是「怎么把像素数据存到硬盘里」。不同的格式有不同的压缩方式，直接影响文件大小和画质。
| 格式 | 特点 | 适用场景 |
|---|---|---|
| BMP | 无压缩，文件巨大 | 几乎不用，除非要绝对无损 |
| JPEG/JPG | 有损压缩，文件小，画质可接受 | 照片、网络传输 |
| PNG | 无损压缩，支持透明通道 | 图标、需要透明背景的图像 |
| TIFF | 无损，支持多页 | 专业摄影、医学影像 |
视频格式呢？视频其实就是一帧一帧的图像快速播放。常见的视频容器格式有MP4、AVI、MOV等。而编码格式（比如H.264、H.265）决定了怎么压缩这些帧。
我记得有一次做实时视频分析，用AVI格式保存，结果文件大得离谱。后来换成MP4+H.264编码，文件大小直接缩到十分之一，画质几乎没变。
经验之谈： OpenCV保存视频时，需要指定编码器。常用的编码器是'XVID'（对应AVI）和'avc1'（对应MP4）。如果编码器不对，保存的视频可能打不开。
# 保存视频示例
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter('output.avi', fourcc, 20.0, (640, 480))
while True:
ret, frame = cap.read()
if not ret:
break
out.write(frame)
out.release()2.4 帧率与分辨率
这两个概念，是视频分析的核心参数。
帧率（FPS）：每秒显示的图像帧数。24FPS是电影标准，30FPS是电视标准，60FPS是流畅标准。做实时分析时，帧率决定了你的算法能不能跟上视频速度。
分辨率：图像的宽高像素数。常见的有：
- 640x480（VGA）：老式摄像头，现在基本淘汰
- 1280x720（720p）：高清入门
- 1920x1080（1080p）：全高清，目前主流
- 3840x2160（4K）：超高清，但处理起来很吃性能
你想想看，处理1080p的视频，每帧有200多万像素。如果算法每帧要处理10毫秒，那最多只能跑到100FPS。但如果分辨率升到4K，像素量翻四倍，处理时间也跟着翻倍，帧率就掉下来了。
避坑指南： 我曾经在做一个实时人脸检测项目时，用了4K摄像头，结果算法跑起来只有5FPS，完全没法用。后来把分辨率降到720p，帧率直接飙到30FPS。所以，实时应用一定要权衡分辨率和帧率。
怎么在OpenCV里获取和设置这些参数？
import cv2
cap = cv2.VideoCapture(0) # 打开摄像头
# 获取参数
fps = cap.get(cv2.CAP_PROP_FPS)
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
print(f"帧率: {fps}, 分辨率: {width}x{height}")
# 设置参数（不一定所有摄像头都支持）
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 720)
cap.set(cv2.CAP_PROP_FPS, 30)小技巧： 有些摄像头不支持你设置的分辨率，它会自动选一个最接近的。所以设置完后，最好再读一遍确认一下。
好了，这一章的内容就这些。像素、色彩空间、文件格式、帧率分辨率，这些基础概念搞清楚了，后面学起来就顺了。下一章我们开始动手，用OpenCV读写图像和视频，到时候你会发现自己已经能看懂很多代码了。