4、Python与OpenCV入门：环境配置、图像读取与显示、基本图像处理（缩放、旋转、滤波）

好，咱们进入实战环节。说实话，很多同学学计算机视觉，第一关就卡在环境配置上。我当年也踩过不少坑，装个OpenCV折腾一下午，结果发现是Python版本不对。今天咱们就把这事彻底捋清楚。

4.1 环境配置：别让工具卡住你

Python环境配置，我个人习惯用Anaconda。为什么？因为它自带了很多科学计算库，省心。你想想看，要是用原生Python，装个numpy都得手动编译，多麻烦。

推荐配置：

  • Python 3.8 或 3.9（别追最新版，有些库还没适配）
  • OpenCV 4.5+（4.x系列稳定好用）
  • numpy 1.21+（OpenCV底层依赖它）

安装命令很简单，一行搞定：

pip install opencv-python==4.5.5.64
pip install numpy==1.21.6

我曾经踩过的坑： 直接用 pip install opencv-python 装最新版，结果跟系统里的Python 3.10不兼容，报了一堆DLL错误。后来老老实实降级到3.8，世界清净了。

验证安装是否成功，打开Python交互环境：

import cv2
print(cv2.__version__)
# 输出类似 '4.5.5' 就对了

嗯，这里要注意：如果你用的是PyCharm或者VS Code，记得检查解释器路径。我见过太多人装好了库，但IDE用的是另一个Python环境，结果死活import失败。

4.2 图像读取与显示：第一行代码

好，环境配好了，咱们来写第一行正经的视觉代码。说白了，就是让计算机「看」到一张图片。

import cv2

# 读取图像
img = cv2.imread('lena.jpg')

# 显示图像
cv2.imshow('My First Image', img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()

这段代码看起来简单，但有几个细节我得跟你聊聊：

  • imread() 返回的是一个numpy数组。对，就是那个多维数组。彩色图是三维的（高、宽、通道数），灰度图是二维的。
  • imshow() 会弹出一个窗口。窗口名字别用中文，有些系统会乱码。
  • waitKey(0) 这行不能省。没有它，窗口一闪就没了。0表示无限等待，直到你按键盘。

小技巧： 我习惯在读取图片后先检查一下：if img is None: print('图片没找到')。路径写错是家常便饭，加个检查能省不少调试时间。

你可能会问：为什么OpenCV读出来的颜色怪怪的？

问得好。OpenCV默认用BGR顺序，而我们平时用的RGB是反的。所以如果你用matplotlib显示，会发现蓝色和红色互换。解决办法很简单：

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

我在项目中遇到过好几次这种「色差」问题，尤其是做图像标注的时候，标注的颜色跟显示的不一样，排查了半天才发现是通道顺序搞反了。

4.3 基本图像处理：缩放、旋转、滤波

好，现在咱们来动真格的。图像处理说白了就是操作那个numpy数组。你想想看，一张图就是一堆数字，缩放就是插值，旋转就是矩阵变换，滤波就是卷积。

4.3.1 缩放图像

# 方法一：指定目标尺寸
resized = cv2.resize(img, (300, 200))

# 方法二：按比例缩放
scale_percent = 50  # 缩小到50%
width = int(img.shape[1] * scale_percent / 100)
height = int(img.shape[0] * scale_percent / 100)
resized = cv2.resize(img, (width, height))

这里有个关键参数：插值方法。默认是双线性插值，效果还行。但如果你要缩小图片，用 cv2.INTER_AREA 效果更好，不会出现锯齿。放大图片用 cv2.INTER_CUBIC 或 cv2.INTER_LANCZOS4，更平滑。

经验之谈： 我处理监控视频时，经常需要把1080p缩放到640x360。用 INTER_AREA 处理行人图像，边缘保留得最好，后续检测准确率能高2-3个百分点。

4.3.2 旋转图像

旋转稍微复杂一点，需要先算旋转矩阵：

# 获取图像尺寸
h, w = img.shape[:2]

# 计算旋转矩阵（中心点，角度，缩放）
center = (w // 2, h // 2)
M = cv2.getRotationMatrix2D(center, 45, 1.0)  # 顺时针45度

# 执行仿射变换
rotated = cv2.warpAffine(img, M, (w, h))

你可能会发现旋转后图像被裁剪了。为什么会这样？因为旋转后四个角跑到了外面。解决办法是调整输出尺寸：

# 计算旋转后的新边界
cos = abs(M[0, 0])
sin = abs(M[0, 1])
new_w = int(h * sin + w * cos)
new_h = int(h * cos + w * sin)

# 调整旋转矩阵的平移部分
M[0, 2] += (new_w / 2) - center[0]
M[1, 2] += (new_h / 2) - center[1]

rotated = cv2.warpAffine(img, M, (new_w, new_h))

嗯，这段代码看起来有点绕。说白了就是：先算新画布多大，再把图片居中放进去。我在做数据增强时经常用这个，旋转后的行人样本能大大提升模型的泛化能力。

4.3.3 图像滤波

滤波是图像处理的基石。说白了就是用一个「小窗口」在图像上滑动，每个像素取周围像素的加权平均。

均值滤波：

blurred = cv2.blur(img, (5, 5))  # 5x5的核

高斯滤波：

gaussian = cv2.GaussianBlur(img, (5, 5), 1.5)  # 标准差1.5

中值滤波：

median = cv2.medianBlur(img, 5)  # 5x5邻域
滤波类型 特点 适用场景
均值滤波 简单粗暴，但会模糊边缘 去除均匀噪声
高斯滤波 中心权重高，边缘保留稍好 通用去噪，行人检测前预处理
中值滤波 对椒盐噪声效果极佳 传感器噪声、扫描图像

我曾经犯过的错： 做行人姿态估计时，直接用均值滤波把图像糊成一团，结果关键点检测全偏了。后来换成高斯滤波，核大小设为3x3，既去除了噪点，又保留了关节点的边缘信息。记住：滤波核越大，图像越模糊，信息丢失越多。

最后，咱们把今天学的串起来，写个完整的示例：

import cv2

# 读取图像
img = cv2.imread('pedestrian.jpg')
if img is None:
    print('请检查图片路径')
    exit()

# 1. 缩放
resized = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)

# 2. 旋转
h, w = resized.shape[:2]
M = cv2.getRotationMatrix2D((w//2, h//2), 10, 1.0)
rotated = cv2.warpAffine(resized, M, (w, h))

# 3. 高斯滤波
filtered = cv2.GaussianBlur(rotated, (3, 3), 1.0)

# 显示结果
cv2.imshow('Original', img)
cv2.imshow('Processed', filtered)
cv2.waitKey(0)
cv2.destroyAllWindows()

好，今天的内容就到这。你想想看，从环境配置到图像读取，再到缩放、旋转、滤波，咱们已经能对图像做基本的操作了。下一章咱们会深入特征提取，为行人姿态估计打基础。记住：代码多敲几遍，踩过的坑才是你自己的经验。

← 上一章 📖 返回目录 下一章 →