3、图像基础与OpenCV入门：图像在计算机中的表示

各位同学，欢迎来到第三章。这一章我们聊聊图像在计算机里到底长什么样。说实话，很多初学者上来就调API，结果连图像是啥都没搞明白。我当年也踩过这个坑，调了半天代码，图像显示出来全是花的，后来才发现是通道顺序搞反了。

好，咱们从头说起。

3.1 图像在计算机中的表示

3.1.1 像素——图像的最小单元

你想想看，一张照片在电脑里是什么？说白了，就是一个巨大的数字矩阵。每个小格子就是一个像素（Pixel）。每个像素记录着那个位置的颜色信息。

举个例子，一张 640×480 的图像，就是 640 列、480 行的像素点阵。总共 307200 个像素。每个像素都有自己的颜色值。

3.1.2 通道——颜色的维度

一个像素怎么表示颜色？这就要说到通道了。

• 灰度图：1个通道。每个像素值 0~255，0是黑，255是白。
• 彩色图（RGB）：3个通道。R（红）、G（绿）、B（蓝）。
• 带透明度的图（RGBA）：4个通道。多了一个Alpha通道表示透明度。

我在项目中遇到过一个问题：用OpenCV读彩色图，结果用matplotlib显示出来颜色不对。后来才发现，OpenCV默认是BGR顺序，不是RGB。嗯，这里要注意，这是个经典坑。

3.1.3 色彩空间——颜色的不同表达方式

除了RGB，还有别的色彩空间。常用的有：

色彩空间	说明	常见用途
RGB	红绿蓝三通道	显示器、相机
HSV	色调、饱和度、明度	颜色分割、物体跟踪
GRAY	单通道灰度	边缘检测、特征提取
LAB	亮度、绿红、蓝黄	颜色校正、图像增强

我个人习惯在做颜色相关的任务时，先用HSV。为什么？因为HSV把颜色和亮度分开了，做阈值分割特别方便。RGB里你想分割红色，R通道高、G和B低，但光照一变就全乱了。HSV里只看H通道就行，稳定得多。

3.2 OpenCV核心数据结构：Mat

OpenCV里最核心的数据结构就是Mat。说白了，Mat就是一个N维数组，专门用来存图像。

Mat里存了什么？

• 图像的宽、高
• 通道数
• 数据类型（比如CV_8UC3表示8位无符号、3通道）
• 像素数据本身

3.3 图像读取、显示、保存

这部分是基本功，我直接上代码。

3.3.1 读取图像

import cv2

# 读取彩色图
img = cv2.imread('photo.jpg')

# 读取灰度图
img_gray = cv2.imread('photo.jpg', cv2.IMREAD_GRAYSCALE)

# 读取带透明通道的图
img_unchanged = cv2.imread('photo.jpg', cv2.IMREAD_UNCHANGED)

我曾经犯过一个错：路径里有中文，结果读出来是None。OpenCV的imread不支持中文路径。解决办法是用numpy先读，再解码。

3.3.2 显示图像

cv2.imshow('窗口标题', img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()

waitKey(0)的意思是无限等待按键。如果你不写这行，窗口一闪就没了。嗯，这个坑我也踩过。

3.3.3 保存图像

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

保存时可以通过参数控制图片质量。比如JPEG的压缩质量：

cv2.imwrite('output.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 95])

3.4 图像属性获取

拿到图像后，我们经常需要知道它的基本信息。Mat对象提供了几个常用属性：

import cv2

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

# 获取图像形状 (高, 宽, 通道数)
print(img.shape)  # 例如 (480, 640, 3)

# 获取像素总数
print(img.size)   # 480 * 640 * 3 = 921600

# 获取数据类型
print(img.dtype)  # uint8

shape返回的是一个元组。灰度图只有两个值：(高, 宽)。彩色图有三个：(高, 宽, 通道数)。

我建议你拿到图像后，第一件事就是打印shape。这能帮你快速确认图像有没有正确加载，通道数对不对。

3.5 实战小例子

咱们来个小练习，把上面学的串起来：

import cv2

# 1. 读取图像
img = cv2.imread('cat.jpg')

# 2. 获取属性
h, w, c = img.shape
print(f'宽: {w}, 高: {h}, 通道: {c}')

# 3. 转成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 4. 显示原图和灰度图
cv2.imshow('Original', img)
cv2.imshow('Gray', gray)

# 5. 保存灰度图
cv2.imwrite('cat_gray.jpg', gray)

cv2.waitKey(0)
cv2.destroyAllWindows()

这个例子虽然简单，但涵盖了图像处理的基本流程：读→处理→显示→保存。你想想看，后面所有的项目，本质上都是这个流程的扩展。

好，这一章就到这里。下一章我们聊聊图像的基本操作——裁剪、缩放、旋转。这些是图像预处理的基础，也是实际项目里最常用的操作。

---

公众号:蓝海资料掘金营，微信deep3321