图像基础操作：图像读取与显示、色彩空间转换、图像缩放与裁剪、图像保存

各位同学，欢迎来到第三讲。今天咱们要聊的，是安防监控系统里最基础、也最绕不开的几个操作。说白了，就是怎么把摄像头里的画面“请”进程序里，怎么给它“换衣服”，怎么“裁剪”出我们关心的区域，最后再“存”下来。

这些操作，我做了这么多年安防项目，几乎每天都在用。你想想看，一个监控画面进来，第一步肯定是读进来看看对不对，然后可能要把彩色转成灰度去分析，再截取掉那些没用的天空、墙壁，只保留关键区域。嗯，今天咱们就把这些基本功练扎实。

图像读取与显示：打开安防世界的第一扇门

在OpenCV里，读取图像用的是imread()函数。我个人习惯，在安防项目中，读取时一定要指定读取模式。为什么？因为默认是彩色图，但很多算法其实只需要灰度图。

import cv2

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

# 读取灰度图像 —— 我建议在运动检测场景下用这个
img_gray = cv2.imread('monitor_frame.jpg', cv2.IMREAD_GRAYSCALE)

显示图像用imshow()，配合waitKey()和destroyAllWindows()。这里有个坑，我曾经在给客户演示时，窗口一闪而过，场面一度很尴尬。原因就是忘了加waitKey()。

cv2.imshow('Security Monitor', img_color)
cv2.waitKey(0)  # 等待按键，0表示无限等待
cv2.destroyAllWindows()

色彩空间转换：让图像“换装”的艺术

色彩空间转换，说白了就是把图像从一种颜色表示方式变成另一种。在安防监控里，最常用的是BGR转灰度，以及BGR转HSV。

为什么用HSV？我遇到过这样一个场景：要识别监控画面里穿红色衣服的可疑人员。用BGR直接判断红色，光照一变就完蛋。但用HSV，色调H基本不受光照影响，稳定得多。

# BGR 转灰度
gray = cv2.cvtColor(img_color, cv2.COLOR_BGR2GRAY)

# BGR 转 HSV —— 我强烈建议做颜色识别时用这个
hsv = cv2.cvtColor(img_color, cv2.COLOR_BGR2HSV)

还有一个常用的转换是BGR转LAB。我在做夜间监控图像增强时，经常在LAB空间里处理L通道（亮度），效果比直接在BGR里调要好得多。

色彩空间	安防应用场景	我的建议
BGR	默认读取、显示	保持原样处理
GRAY	运动检测、背景建模	优先使用，速度快
HSV	颜色识别、目标跟踪	抗光照干扰强
LAB	夜间图像增强	处理亮度通道效果好

图像缩放与裁剪：聚焦关键区域

监控画面通常很大，1920x1080很常见。但咱们的算法不需要处理全图，太慢了。所以缩放和裁剪是家常便饭。

缩放用resize()。我一般指定目标尺寸，或者用缩放因子。这里要注意插值方法的选择——缩小用INTER_AREA，放大用INTER_LINEAR或INTER_CUBIC。

# 缩放到指定尺寸
resized = cv2.resize(img_color, (640, 480))

# 按比例缩放 —— 我习惯用这个，保持宽高比
scale_percent = 50  # 缩小到50%
width = int(img_color.shape[1] * scale_percent / 100)
height = int(img_color.shape[0] * scale_percent / 100)
dim = (width, height)
resized = cv2.resize(img_color, dim, interpolation=cv2.INTER_AREA)

裁剪就更简单了，其实就是数组切片。监控画面里，我们经常只关心画面下半部分（行人区域），或者某个固定出入口。

# 裁剪：从y=100到y=400，从x=200到x=600
cropped = img_color[100:400, 200:600]

# 实际安防场景：只保留画面下半部分
height = img_color.shape[0]
lower_half = img_color[height//2:, :]

嗯，这里要注意，裁剪的坐标顺序是[y1:y2, x1:x2]，不是[x1:x2, y1:y2]。我刚开始学的时候，这个顺序搞反了好几次，显示出来的都是乱七八糟的图案。

图像保存：把处理结果留下来

保存图像用imwrite()。在安防系统里，保存的通常是报警截图、检测结果等。

# 保存为PNG格式
cv2.imwrite('alarm_screenshot.png', img_color)

# 保存为JPEG格式，可以指定质量
cv2.imwrite('result.jpg', img_color, [cv2.IMWRITE_JPEG_QUALITY, 95])

关于保存格式，我个人的经验是：

• PNG：无损压缩，适合保存需要后续分析的图像。缺点是文件大。
• JPEG：有损压缩，文件小。适合保存大量监控截图，但质量会下降。
• BMP：无压缩，文件巨大。除非特殊需求，一般不推荐。

还有一个实用技巧：在保存前，可以给图像画上检测框和文字，这样保存下来的就是带标注的结果，方便事后查看。

# 画一个红色矩形框，标注检测到的目标
cv2.rectangle(img_color, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv2.putText(img_color, 'Person Detected', (x1, y1-10), 
            cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
cv2.imwrite('detection_result.jpg', img_color)

好了，这一章的内容就这些。图像读取、显示、色彩空间转换、缩放裁剪、保存——这些操作看起来简单，但每一个都有它的门道。你想想看，一个完整的安防系统，从摄像头取流到最终报警存储，每一步都离不开这些基础操作。

下一章，咱们要进入更有意思的部分：视频处理与实时帧分析。到时候，这些基础操作会全部派上用场。