1. 图像操作

首先我们导入opencv库，彩色图像一般都是由RGB(红绿蓝)三颜色通道构成，灰度图只有一个颜色通道即暗亮度。在opencv中，图像的读取格式是BGR；在matplot中，图像保存格式是RGB。用opencv的绘图方法和matplot的绘图方法展现出来的图可能会有颜色上的出入，这需要注意一下。

import cv2 # 导入opencv，读取的格式是BGR

1.1 图像读取和显示

图像读取： cv2.imread( 图片路径 )

图像显示： cv2.imshow( '定义图像名', 图像 )

首先，读取图片时，文件的路径名一定要是英文的，不然可能会读取不了。

#（1）图像读取，注意是英文路径 filepath = 'C:\\...\\opencv\\img' # 读取img文件夹中的wise.jpg图片 img = cv2.imread(filepath '\\wise.jpg') # 取值范围0-255 img.shape # (404, 720, 3)

读取后，变量img中保存的是我们的图片，每一个像素值都是在0-255之间，shape为3，即长404，宽720，颜色通道3。

接下来我们显示这张图象。其中 cv2.waitKey(0) 为显示图像后图像不消失，需要手动关闭，如果设置图像显示几毫秒后自动关闭，填入相应的值。cv2.destroyAllWindows() 代表点击任意键关闭所有窗口。

#（2）显示图像 cv2.imshow('wise-man',img) # 传入(窗口名,图像) # 等待时间设为0，让图像不会自己消失 cv2.waitKey(0) # cv2.waitKey(1000) # 图像显示1000毫秒后消失 # 键盘上任意按一个图像消失 cv2.destroyAllWindows()

输出图像如下。

opencv怎么识别图像区域（OpenCV基础操作图像读取）(1)

1.2 转换灰度图

方法： cv2.imread(路径, cv2.IMREAD_GRAYSCALE)

转换灰度图只需要在读取图像函数中增加一个参数 cv2.IMREAD_GRAYSCALE，就能在读取图像时将图像从彩图转变成灰度图。

# 读取图像转换灰度图 img = cv2.imread(filepath '\\wise.jpg',cv2.IMREAD_GRAYSCALE) img.shape # 查看图像的shape，灰度图只有一个颜色通道 # 显示图像 cv2.imshow('wise-man',img) # 手动关闭窗口 cv2.waitKey(0) cv2.destroyAllWindows()

输出结果如下，可以和上图的原图比较

opencv怎么识别图像区域（OpenCV基础操作图像读取）(2)

1.3 图像保存

cv2.imwrite(路径, 图像变量)

将图像保存到指定文件夹filpath，再给这个图片命名。执行代码会有返回值，如果是True证明保存成功。

cv2.imwrite(filepath '\\gray.jpg',img) # 指定路径，图像

1.4 其他基础操作

# 查看形状 img.shape # 查看数据类型 type(img) # 数组类型 # 计算像素点个数 img.size # 872640个 # 数据类型 img.dtype #'uint8'

2. 视频操作

2.1 视频读取

读取方法： cv2.VideoCapture(文件路径)

#（1）视频读取 # 视频所在文件夹 filepath = 'C:\\...\\video' # 读取文件夹中的哪一个视频 video = cv2.VideoCapture(filepath '\\walking.mp4')

查看视频能否被打开。变量.read() 从视频中提取一帧图片，需要循环来不断提取。用right接收是否能打开，返回True表示可以打开。frame保存返回的的每一帧图像。

#（2）检查是否打开正确 if video.isOpened(): # 如果能打开 # 返回布尔类型，和每一帧数据 right,frame = video.read() # 每次执行读取一帧结果 else: # 如果不能打开 open = False

2.2 读取整个视频

#（3）读取整个视频 while open: # 每一次循环读取一帧，返回是否打开right和每帧图像结果frame right,frame = video.read() # video存放读入的视频 # 如果读取的一帧是空值，说明读取结束，循环停止 if frame is None: break if right == True: # 对每一帧图像处理 # 图像色彩转换函数，将当前图像变成灰度 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 处理后将每帧图像依次呈现出来 cv2.imshow('changed',gray) # 设置每帧图像停留时间10ms，正常速度33ms，并指定退出键ESC退出视频 if cv2.waitKey(10)&0xFF==27: break # 运行结束后，释放视频资源 video.release() # 任意键退出 cv2.destroyAllWindows()

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) 表示将帧图片frame变成灰度图。cv2.waitKey(10) 设置每张图片的显示时间10ms，0xFF==27代表使用ESC键退出视频。

3. 图像截取

为了下面显示图像方便，我们先定义一个图像显示函数。

import cv2 # 定义一个图像展示函数 def cv_show(name,img): cv2.imshow(name,img) cv2.waitKey(0) cv2.destroyAllWindows()

接下来提取图像，由于提取的图像数据是数组类型，因此可以使用切片的方法来裁剪图像。

# roi区域，截取图像中的一部分 # 获取指定路径图像 filepath = 'C:\\Users\\admin\\.spyder-py3\\test\\opencv\\img' img = cv2.imread(filepath '\\wise2.jpg') # 展示读入的图像 cv_show('wise-man',img) # 由于读入的图像是数组类型，可以进行切片 wise2 = img[200:700,200:700] # 展示切片后的图像 cv_show('changed',wise2)

opencv怎么识别图像区域（OpenCV基础操作图像读取）(3)

4. 颜色通道

4.1 提取三通道

通道拆分： cv2.split(图像变量)

拆分后得到每一个通道的图像，分别为B、G、R

# ==1== cv2.split()切分 B,G,R = cv2.split(img) # 对原图像切分，把channel层分开

由于图像是数组类型，使用索引方法切分通道

# ==2== 使用索引方法，提取三通道 B = img[:,:,0] # 通道的第0个是B G = img[:,:,1] R = img[:,:,2]

4.2 颜色通道组合

通道组合： cv2.merge(通道层)

#（3）颜色通道组合 img2 = cv2.merge((B,G,R)) # 使用定义的函数绘图 cv_show('merged',img2)

opencv怎么识别图像区域（OpenCV基础操作图像读取）(4)

opencv怎么识别图像区域（OpenCV基础操作图像读取）(5)

4.3 只保留某个通道

使用索引方法使其他几个通道为0即可

#（4）只保留某个通道 # 首先复制一张图像 img3 = img.copy() # 复制img # 只保留G通道 img3[:,:,0] = 0 # B通道为0 img3[:,:,2] = 0 # R通道为0 # 使用定义的函数 cv_show('G-channel',img3) # 效果图上面的右边

,