2. 图像基础与OpenCV入门：图像表示、颜色空间、OpenCV核心操作
各位同学，欢迎来到第二章。这一章咱们要聊的是自动驾驶视觉感知的「地基」——图像本身。你想想看，不管后面用多牛的深度学习模型，输入终究是一张张图像。如果连图像怎么存、怎么读、怎么转都搞不清楚，后面调参调得再欢也是空中楼阁。
我个人习惯，在开始任何项目之前，先把数据「摸」一遍。摸数据的第一步，就是搞懂图像在计算机里到底长什么样。好，咱们直接开干。
2.1 图像在计算机里是怎么表示的？
说白了，一张数字图像就是一个巨大的二维矩阵。对于灰度图，每个像素就是一个0到255的数值，0代表纯黑，255代表纯白。对于彩色图，每个像素由三个通道组成——红、绿、蓝，也就是我们常说的RGB。
举个例子，一张640×480的彩色图像，在内存里就是一个480行、640列、3层深度的三维数组。形状是 (480, 640, 3)。嗯，这里要注意：OpenCV里通道顺序是BGR，不是RGB。我第一次用OpenCV读图显示出来颜色怪怪的，查了半天才发现是通道顺序搞反了。这个坑，我替你们踩过了。
- 像素：图像的最小单元，一个点
- 分辨率：宽度×高度，比如1920×1080
- 通道：灰度图1通道，彩色图3通道（BGR）
- 位深：通常8位，即0-255
2.2 颜色空间：不只是RGB
RGB虽然直观，但在自动驾驶场景里并不总是最好用的。为什么？因为RGB三个通道高度相关，光照一变，三个值一起变，很难做阈值分割。
我建议你重点掌握以下三种颜色空间：
| 颜色空间 | 特点 | 自动驾驶中的应用 |
|---|---|---|
| RGB / BGR | 最原始，硬件直接输出 | 模型输入、显示 |
| HSV | 色调、饱和度、明度分离 | 车道线检测、交通灯识别 |
| 灰度 | 单通道，计算量小 | 边缘检测、特征匹配 |
我在做车道线检测项目时，就吃过RGB的亏。白天阳光强烈，黄色车道线在RGB下跟路面混在一起，阈值怎么调都不对。后来换成HSV空间，只对色调通道做阈值分割，效果立竿见影。说白了，选对颜色空间，比调参重要十倍。
2.3 OpenCV核心操作：读取、显示、保存
好，理论讲完了，咱们直接上代码。OpenCV的安装很简单，pip install opencv-python 就行。我个人习惯用cv2这个别名，简洁明了。
2.3.1 读取图像
import cv2
# 读取图像，默认是彩色模式（BGR）
img = cv2.imread('road.jpg')
# 读取为灰度图
img_gray = cv2.imread('road.jpg', cv2.IMREAD_GRAYSCALE)
# 检查是否读取成功
if img is None:
print("图像读取失败，检查路径！")
这里有个坑：imread如果路径不对，不会报错，而是返回None。我曾经在调试时花了半小时找bug，最后发现是文件名多打了一个空格。嗯，这种低级错误，谁还没犯过呢？
2.3.2 显示图像
# 显示图像
cv2.imshow('My Window', img)
# 等待按键，0表示无限等待
cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()
注意：waitKey的参数单位是毫秒。如果你不调用waitKey，窗口会一闪而过。我刚开始学的时候，窗口闪一下就没了，还以为代码写错了。
2.3.3 保存图像
# 保存为PNG格式
cv2.imwrite('output.png', img)
# 保存为JPEG，第三个参数控制质量（0-100）
cv2.imwrite('output.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 95])
2.4 实战小练习：图像通道分离与合并
咱们来个小练习，把一张彩色图的三个通道分开看看：
import cv2
import numpy as np
img = cv2.imread('car.jpg')
b, g, r = cv2.split(img)
# 创建一个全黑通道
zeros = np.zeros_like(b)
# 只保留红色通道
red_only = cv2.merge([zeros, zeros, r])
cv2.imshow('Red Channel', red_only)
cv2.waitKey(0)
cv2.destroyAllWindows()
你运行一下就会发现，红色通道里，原本红色的车灯特别亮，蓝色的天空几乎全黑。这就是通道分离的魅力——你可以直观地看到每个通道对图像的贡献。
2.5 本章小结
这一章咱们把图像的基础打牢了。你学会了：
- 图像本质上是多维数组
- BGR和HSV各有各的适用场景
- OpenCV的三大核心操作：读、显、存
- 通道分离与合并的基本用法
下一章，咱们要进入图像预处理的世界。说白了，就是给图像「洗个澡」，让它更适合后续的算法处理。到时候我会分享一些我在实际项目中用到的预处理技巧，保证实用。
好，今天的课就到这里。记得动手敲代码，光看是学不会的。咱们下章见。