第三章 计算机视觉基础（上）：图像表示与色彩空间、滤波与边缘检测、形态学操作

各位同学，欢迎来到实战课程的基础篇。说实话，很多初学者一上来就追着 YOLO、Transformer 跑，结果连图像在计算机眼里长什么样都没搞明白。我个人觉得，这部分基础打不牢，后面调参就像在摸黑走路。今天我们就花点时间，把图像表示、色彩空间、滤波和形态学这些基本功捋一遍。

3.1 图像表示：计算机眼中的世界

先问个问题：一张彩色图片，在计算机里到底是什么？

说白了，就是一堆数字。一张 640×480 的彩色图，在计算机内存里就是一个 480 行、640 列、3 个通道的矩阵。每个像素点的值范围是 0 到 255，代表亮度。

我记得刚入行时，有个同事 debug 了半天，发现图像读出来全是黑的。最后发现是 imread 默认以灰度图方式读取，彩色通道全丢了。嗯，这种坑踩过一次就记住了。

import cv2
import numpy as np

# 读取彩色图像
img = cv2.imread('road.jpg')
print(img.shape)  # 输出：(480, 640, 3)
# 第一个维度是高度（行数），第二个是宽度（列数），第三个是通道数
小提示：OpenCV 读取图像的通道顺序是 BGR，不是 RGB。很多新手在这里翻车，显示出来的图像颜色怪怪的。我习惯在读图后立即用 cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 转换一下。

3.2 色彩空间：RGB 与 HSV

RGB 是我们最熟悉的色彩模型。红绿蓝三个通道叠加，就能表示几乎所有颜色。但在做图像处理时，RGB 其实不太好用。为什么？因为三个通道都跟亮度强相关，光照一变，三个值一起跳，很难做颜色分割。

这时候 HSV 就派上用场了。H 是色调，S 是饱和度，V 是明度。色调用角度表示，0° 是红色，120° 是绿色，240° 是蓝色。你想想看，不管光照怎么变，红色物体的 H 值基本稳定在 0° 附近。这就好办了。

我在做交通信号灯检测时，就靠 HSV 空间做颜色分割。红灯的 H 值范围大概在 0°~10° 和 170°~180°，绿灯在 40°~80°。用 inRange 函数一筛，候选区域就出来了。

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

# 定义红色的 HSV 范围
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])

# 提取红色区域
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = cv2.bitwise_or(mask1, mask2)
注意：OpenCV 中 HSV 的 H 范围是 0~180，不是 0~360。因为用 uint8 存储，360 除以 2 就是 180。我曾经在项目里直接用 0~360 的范围，结果 mask 全黑，排查了半天才发现这个细节。

3.3 图像滤波：去噪与平滑

实际项目中，摄像头采集的图像几乎没有干净的。传感器噪声、光照不均、运动模糊，各种干扰。滤波就是用来处理这些问题的。

最基础的是均值滤波。用一个 3×3 的窗口滑过图像，每个像素取周围 9 个点的平均值。简单，但会模糊边缘。高斯滤波稍微好点，给中心像素更高的权重，边缘保留得更好。

我个人在行人检测的预处理中，常用高斯滤波。核大小选 5×5，sigma 设 1.0 左右。既能去掉大部分噪点，又不会把行人的轮廓给抹没了。

# 高斯滤波
blurred = cv2.GaussianBlur(img, (5, 5), 1.0)

# 均值滤波
blurred_mean = cv2.blur(img, (5, 5))

# 中值滤波——对椒盐噪声特别有效
blurred_median = cv2.medianBlur(img, 5)
经验之谈：如果图像里有明显的椒盐噪声（黑白点），中值滤波是首选。我在处理老旧监控视频时，中值滤波的效果比高斯滤波好一个档次。

3.4 边缘检测：Sobel 与 Canny

边缘是图像中灰度变化剧烈的地方。行人、车辆、车道线，这些目标的边界都是边缘。检测边缘，说白了就是求图像的梯度。

Sobel 算子是最经典的梯度算子。它用两个 3×3 的核分别计算水平和垂直方向的梯度。我习惯把两个方向的梯度合并，得到边缘的幅值图。

但 Sobel 有个问题：它对噪声敏感，而且检测出的边缘比较粗。Canny 算法就聪明多了。它先做高斯平滑，然后计算梯度，再做非极大值抑制——只保留梯度方向上的局部最大值，最后用双阈值连接边缘。

Canny 的两个阈值怎么设？我一般设低阈值为 50，高阈值为 150。如果边缘断断续续的，就降低低阈值；如果出现太多假边缘，就提高高阈值。这个需要根据实际图像微调。

# Sobel 边缘检测
sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)
sobel_combined = cv2.magnitude(sobel_x, sobel_y)

# Canny 边缘检测
edges = cv2.Canny(gray, 50, 150)
避坑指南：我曾经在夜间行车视频上用 Canny，结果全是噪点，根本看不到车道线。后来发现是低阈值设得太低，把路面纹理也当成了边缘。把低阈值从 30 提到 80，效果立竿见影。

3.5 图像形态学操作：膨胀、腐蚀与开闭运算

形态学操作，说白了就是处理二值图像的形状。膨胀让白色区域变大，腐蚀让白色区域变小。这两个操作组合起来，能解决很多实际问题。

开运算是先腐蚀后膨胀。它能去掉小的白色噪点，同时保持大物体的形状不变。闭运算是先膨胀后腐蚀，能填补物体内部的小空洞。

我在做车辆检测时，经常用闭运算来连接断裂的车身轮廓。一辆车在 Canny 边缘图上可能断成好几段，闭运算一处理，轮廓就连起来了，后续的轮廓检测就准确多了。

# 定义结构元素
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))

# 腐蚀
eroded = cv2.erode(binary, kernel, iterations=1)

# 膨胀
dilated = cv2.dilate(binary, kernel, iterations=1)

# 开运算
opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

# 闭运算
closing = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)
核心要点：结构元素的大小直接影响效果。核太小，去噪效果不明显；核太大，会把目标形状都改变了。我一般从 3×3 开始试，不行再加大。迭代次数也同理，1 次不够就 2 次，但别超过 3 次，否则目标会严重变形。

3.6 综合实战：预处理流水线

好了，我们把今天学的东西串起来，搭一个简单的图像预处理流水线。这个流程在我做的行人检测项目中实际用过，效果还不错。

def preprocess_pipeline(img):
    # 1. 高斯滤波去噪
    blurred = cv2.GaussianBlur(img, (5, 5), 1.0)
    
    # 2. BGR 转灰度
    gray = cv2.cvtColor(blurred, cv2.COLOR_BGR2GRAY)
    
    # 3. Canny 边缘检测
    edges = cv2.Canny(gray, 50, 150)
    
    # 4. 闭运算连接断裂边缘
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)
    
    return closed

这个流水线处理后的图像，边缘清晰、噪声少、轮廓完整。后续不管是做轮廓检测还是特征提取，都会省心很多。

嗯，今天的内容就到这。下一章我们会讲特征点检测和光流法，这些都是跟踪算法的基础。回去把今天的代码跑一遍，有问题随时问我。

← 上一章 📖 返回目录 下一章 →