第一课：课程导论与开发环境

各位同学好，我是这门课的主讲。今天咱们聊聊图像预处理这件事。

说实话，我刚开始做计算机视觉那会儿，也跟很多人一样——拿到一张图就急着往上跑模型。结果呢？要么效果差得离谱，要么程序直接崩掉。后来我才明白，图像预处理不是可有可无的步骤，而是整个视觉系统的地基。

为什么图像预处理这么重要？

你想想看，相机拍出来的原始图像，说白了就是一堆像素值。但这堆数字里藏着各种问题：光照不均匀、噪声干扰、对比度太低、尺寸不统一……

我曾在某个工业检测项目里吃过亏。当时客户给了一批产品图片，我直接拿YOLO去训练，结果检测精度只有60%。后来仔细一看，每张图的亮度和角度都不一样。做了直方图均衡化和归一化之后，精度直接跳到92%。这就是预处理的威力。

具体来说，图像预处理能帮我们解决这几类问题：

• 消除噪声：传感器热噪声、环境光干扰、传输丢包
• 增强特征：让边缘更清晰、对比度更明显
• 统一规格：所有图像尺寸、色彩空间、像素范围保持一致
• 减少计算量：降采样、ROI提取，让模型跑得更快

OpenCV是什么？为什么选它？

OpenCV，全称Open Source Computer Vision Library。说白了，它就是计算机视觉界的"瑞士军刀"。

我个人习惯用OpenCV做预处理，原因有三：

1. 成熟稳定：2000年就开源了，社区庞大，踩过的坑别人都踩过了
2. 接口统一：C++、Python、Java都能用，学一次到处写
3. 性能强悍：底层用C++优化，处理视频流也不卡

我记得刚入行时，有个师兄跟我说："别自己造轮子，OpenCV里什么都有。"当时不信，后来自己写了个高斯滤波，跑起来慢得跟蜗牛似的。换成OpenCV的GaussianBlur，速度提升了几十倍。嗯，从那以后我就老实了。

环境搭建：Python + OpenCV

搭建环境其实很简单。我建议你用Python 3.8以上版本，配合pip安装。

安装命令就一行：

pip install opencv-python opencv-contrib-python

这里解释一下：opencv-python是核心库，opencv-contrib-python包含扩展模块（比如SIFT、SURF这些专利算法）。如果你只是做基础预处理，装第一个就够了。

验证安装是否成功，可以跑这段代码：

import cv2
print(cv2.__version__)

如果输出版本号（比如4.8.0），说明环境没问题。

第一个程序：读取并显示图像

好了，环境搭好了，咱们写第一个程序。别紧张，就几行代码。

import cv2

# 读取图像
img = cv2.imread('test.jpg')

# 检查是否读取成功
if img is None:
    print("图片没找到，检查路径！")
else:
    # 显示图像
    cv2.imshow('My First Image', img)
    # 等待按键
    cv2.waitKey(0)
    # 关闭窗口
    cv2.destroyAllWindows()

这段代码做了三件事：

• imread：从硬盘加载图像到内存，返回一个NumPy数组
• imshow：创建一个窗口，把图像显示出来
• waitKey(0)：等待用户按键，0表示无限等待

这里有个坑，我当年踩过——OpenCV读取图像默认是BGR格式，不是RGB。如果你用matplotlib显示，颜色会偏蓝。解决办法很简单：

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

关于路径问题，我再多说一句。我曾经在项目里把图片放在子文件夹里，结果imread一直返回None。排查了半天，发现是相对路径写错了。建议初学者用绝对路径，或者把图片放在和.py文件同一个目录下。

图像的基本属性

图像读进来之后，咱们可以看看它长什么样：

import cv2

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

# 获取图像属性
height, width, channels = img.shape
print(f"图像尺寸：{width} x {height}")
print(f"通道数：{channels}")
print(f"数据类型：{img.dtype}")
print(f"像素总数：{img.size}")

输出大概是这样的：

属性	说明	示例值
shape	高度、宽度、通道数	(480, 640, 3)
dtype	像素数据类型	uint8
size	像素总数	921600

你想想看，一张640x480的彩色图，就有92万个像素点。每个像素点又包含B、G、R三个值。这就是为什么图像处理这么吃计算资源。

保存处理后的图像

处理完了，总得保存下来吧？用imwrite就行：

cv2.imwrite('output.jpg', img)

你可以指定保存格式，OpenCV会根据文件后缀自动判断。比如.jpg、.png、.bmp都支持。

本章小结

这一课咱们聊了：

• 图像预处理为什么重要——它是视觉系统的地基
• OpenCV是什么——计算机视觉的瑞士军刀
• 环境怎么搭——pip install一行搞定
• 第一个程序怎么写——读取、显示、保存

说实话，这些内容看起来简单，但基础打牢了，后面学起来才顺手。下一课咱们会深入聊聊图像的色彩空间和通道操作，到时候你会发现，原来一张图里藏着这么多秘密。

课后你可以试试：找一张自己的照片，用OpenCV读进来，看看它的shape和dtype。再试着保存成不同格式，对比一下文件大小。有什么问题，咱们下节课见。