第1章：图像处理基础：OpenCV入门、图像读取与显示、色彩空间转换、图像几何变换
1.1 为什么从OpenCV开始？
做交通标志检测，说白了就是跟图像打交道。你想想看，摄像头拍下来的每一帧画面，都是数字图像。而OpenCV，就是处理这些图像最趁手的工具。
我个人习惯，不管做什么视觉项目，第一件事就是把OpenCV装好。它就像一个瑞士军刀——功能多、速度快、社区活跃。我在做自动驾驶项目时，90%的图像预处理工作都是用OpenCV完成的。
1.2 安装与第一行代码
安装很简单，一行命令搞定：
pip install opencv-python嗯，这里要注意。如果你需要用到一些高级功能（比如SIFT特征提取），建议装完整版：
pip install opencv-contrib-python装完之后，我们来写第一行代码。我习惯先验证一下版本：
import cv2
print(cv2.__version__)看到版本号输出来，说明环境没问题了。
1.3 图像读取与显示
读取图像用 imread()，显示用 imshow()。这两个函数，你以后会天天用。
import cv2
# 读取图像
img = cv2.imread('traffic_sign.jpg')
# 显示图像
cv2.imshow('Traffic Sign', img)
cv2.waitKey(0) # 等待按键
cv2.destroyAllWindows() # 关闭窗口我曾经踩过一个坑：图像路径不能有中文！OpenCV的imread()对中文路径支持不好，读出来是None。后来我所有项目文件都用英文命名，再也没出过问题。
还有一个细节：imread()默认以BGR格式读取。这和常见的RGB顺序不一样。很多初学者在这里翻车，图像颜色看起来怪怪的。
1.4 色彩空间转换
为什么要做色彩空间转换？因为交通标志的颜色信息太重要了。红色禁令标志、蓝色指示标志、黄色警告标志——颜色就是第一道筛选器。
OpenCV提供了 cvtColor() 函数，可以轻松转换色彩空间：
# BGR 转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# BGR 转 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# BGR 转 RGB
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)我个人最常用的是HSV空间。为什么？因为HSV把颜色（Hue）和亮度（Saturation、Value）分开了。在项目中，我经常用HSV做颜色阈值分割，效果比BGR好得多。
实战经验：红色交通标志在HSV中的H值大约在0-10和170-180两个区间。因为红色在色环上是首尾相接的。我第一次做红色检测时只设了0-10，结果漏掉了一半红色区域。后来才意识到要处理两个区间。
1.5 图像几何变换
摄像头拍到的交通标志，角度、大小、位置都不一样。几何变换就是用来解决这些问题的。
1.5.1 缩放
# 缩小到原来的一半
small = cv2.resize(img, None, fx=0.5, fy=0.5)
# 指定目标尺寸
resized = cv2.resize(img, (200, 200))缩放时有个插值方法的选择。缩小用 INTER_AREA，放大用 INTER_LINEAR 或 INTER_CUBIC。这是我在项目中试出来的经验。
1.5.2 旋转
# 获取图像尺寸
h, w = img.shape[:2]
# 计算旋转矩阵（顺时针45度）
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, -45, 1.0)
# 执行旋转
rotated = cv2.warpAffine(img, M, (w, h))你想想看，路边的交通标志经常是歪的。旋转校正后，识别准确率能提升不少。
1.5.3 平移与仿射变换
# 平移
M_trans = np.float32([[1, 0, 50], [0, 1, 30]])
translated = cv2.warpAffine(img, M_trans, (w, h))
# 仿射变换（三个点对应）
pts1 = np.float32([[50,50],[200,50],[50,200]])
pts2 = np.float32([[10,100],[200,50],[100,250]])
M_affine = cv2.getAffineTransform(pts1, pts2)
affined = cv2.warpAffine(img, M_affine, (w, h))小技巧：做数据增强时，我经常用仿射变换来生成更多训练样本。轻微旋转、缩放、平移，能让模型泛化能力更强。但注意不要变换得太夸张，否则标志都认不出来了。
1.6 本章小结
这一章我们学了OpenCV的四个基本功：
- 图像读取与显示：imread、imshow、waitKey
- 色彩空间转换：BGR、灰度、HSV，以及为什么HSV更适合颜色检测
- 图像缩放：resize函数和插值方法的选择
- 几何变换：旋转、平移、仿射变换，以及它们在交通标志检测中的应用
这些基础操作，在后续的交通标志检测项目中会反复用到。我建议你多动手敲代码，把每个函数都跑一遍。看十遍不如写一遍，这是我一直以来的习惯。
下一章，我们会进入图像预处理的核心——滤波、边缘检测和形态学操作。这些技术能帮我们从图像中提取出交通标志的轮廓。准备好了吗？