2026年8月1日星期六

今天学习计算机视觉。

一、计算机视觉定义

计算机视觉（Computer Vision, CV）：让计算机模仿人类视觉系统，从图像、视频中获取信息、理解内容；通过算法对画面进行检测、分割、识别、变换等操作。

计算机视觉分为两大分支：

1. 传统图像处理（经典计算机视觉）：人工设计算法与特征规则，无需训练神经网络，代表工具：OpenCV（这次学习的内容）
2. 基于深度学习的计算机视觉：利用神经网络自动学习图像特征，需要数据集训练，代表方向：图像分类、目标检测、语义分割（YOLO、CNN 等）

二、OpenCV 传统图像处理

1. 图像读取、显示、保存与窗口控制

OpenCV 特性：默认读取彩色图像通道顺序为BGR（普通图片软件、matplotlib 使用 RGB，顺序不一样）

1. cv2.imread(路径, 读取标识)
   • 默认：加载彩色图像
   • cv2.IMREAD_GRAYSCALE：直接以灰度单通道读取图片
2. cv2.imshow(窗口名称, 图像数据)：创建窗口展示图像
3. cv2.waitKey(延时ms)
   • 参数 = 0：无限等待按键；大于 0：等待指定毫秒
   • 返回按键 ASCII 码；ESC 按键编码为 27，常用来退出程序
4. cv2.destroyAllWindows()：销毁全部窗口，释放内存资源（规范写法，防止内存占用）
5. cv2.imwrite(保存路径,图像)：将处理后的图像保存到本地

2. 图像基础属性与 ROI 感兴趣区域

图像本质是多维 numpy 数组：

img.shape：(高度 H, 宽度 W, 通道数)；灰度图只有 (H,W)

img.size：图像总像素数量

img.dtype：像素数据类型，常规图像为uint8（像素范围 0~255）

ROI 感兴趣区域利用 numpy 切片提取图像局部区域：img[起始高:结束高, 起始宽:结束宽]用途：截取目标区域、局部打码、图片局部叠加。

3. 视频读取操作

cv2.VideoCapture(地址)：读取本地视频 / 摄像头

isOpened()判断视频是否成功打开

1. ret, frame = video.read()：逐帧读取画面
   • ret：布尔值，判断是否成功读到帧
   • frame：当前帧图像（和图片格式一致，BGR 数组）
2. 循环持续读取每一帧，实现视频播放
3. 程序结束必须调用.release()，释放视频流资源

4. 颜色通道操作、色彩空间转换

彩色图像三维结构[H,W,通道]

[:,:,0]→ B 蓝色通道

[:,:,1]→ G 绿色通道

[:,:,2]→ R 红色通道

通道分离：b,g,r = cv2.split(img)

通道合并：img = cv2.merge((b,g,r))

1. cv2.cvtColor(图像, 转换模式)色彩空间转换
   • cv2.COLOR_BGR2GRAY：彩色转灰度
   • cv2.COLOR_BGR2RGB：BGR 转为 RGB
   • cv2.COLOR_BGR2HSV：转换到 HSV 空间（常用于颜色筛选）

5. 图像缩放 cv2.resize ()

函数：cv2.resize(src, dsize, fx, fy)

src：原始图像

dsize：(宽度,高度)，直接指定输出图像尺寸

fx、fy：水平、垂直方向缩放比例，dsize 设为 None 时生效示例：cv2.resize(img,None,fx=0.5,fy=0.5)图像长宽缩小一半

6. 图像像素算术运算

（1）直接相加img1 + img2

像素求和遵循取模运算，数值超过 255 时：总和 - 256例：260 → 4，画面容易出现异常噪点。

（2）cv2.add(img1,img2)饱和加法

像素相加上限锁定 255，超过 255 直接取 255；图像融合、提亮优先使用该 API

7. 边界填充 cv2.copyMakeBorder ()

作用：在图像上下左右扩充像素边框参数：src, top, bottom, left, right, borderType, value

top/bottom/left/right：四个方向扩充宽度

borderType 填充模式：

cv2.BORDER_CONSTANT：填充固定颜色，配合 value 设置颜色

cv2.BORDER_REPLICATE：直接复制图像最边缘像素向外延伸

cv2.BORDER_REFLECT：镜面反射，包含边界像素镜像复制

cv2.BORDER_REFLECT_101（默认）：镜像反射，不重复边界像素，最常用

cv2.BORDER_WRAP：循环平铺方式填充

8. 阈值分割 threshold（二值化核心）

函数：ret, dst = cv2.threshold(灰度图, thresh, maxval, type)

thresh：设定阈值

maxval：最大值（仅二值模式生效）返回：ret = 使用的阈值；dst = 处理完成图像

五种阈值模式：

cv2.THRESH_BINARY：大于阈值→maxval，其余置 0

cv2.THRESH_BINARY_INV：反向二值，大于阈值置 0，其余设 maxval

cv2.THRESH_TRUNC：超过阈值统一改为阈值，低于阈值保持原值

cv2.THRESH_TOZERO：低于阈值归零，高于阈值不变

cv2.THRESH_TOZERO_INV：高于阈值归零，低于阈值不变

9. 图像噪声与滤波（平滑去噪）

椒盐噪声

随机在图像生成黑点 (像素 0)、白点 (像素 255) 脉冲噪声。

四类滤波器

均值滤波 cv2.blur ()【线性滤波】邻域内所有像素求平均值，实现画面模糊；无法有效去除椒盐噪声。参数：cv2.blur(图像,(核宽,核高))

方框滤波 cv2.boxFilter ()【线性滤波】

normalize=True：等价均值滤波（求平均）

normalize=False：邻域像素直接求和，容易像素溢出发白

高斯滤波 cv2.GaussianBlur ()【线性滤波】根据像素距离赋予权重，近处像素权重更高，模糊效果更加自然；适合去除高斯噪声。

中值滤波 cv2.medianBlur ()【非线性滤波】邻域像素排序后取中间值；专门消除椒盐噪声。