Python中OpenCV与Matplotlib的图像操作入门指南

import cv2
import numpy as np
import matplotlib.pyplot as plt
# 配置中文字体显示（可选）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 读取图像（支持多种格式）
img = cv2.imread('example.jpg')
print(f"图像尺寸: {img.shape}")  # 输出：(高度, 宽度, 通道数)
# 显示图像
cv2.imshow('OpenCV Window', img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()
# 保存图像
cv2.imwrite('output.jpg', img)  # 自动保存为JPG格式

# 读取并显示图像
plt.figure(figsize=(10,5))
img_plt = plt.imread('example.png')  # 自动归一化到[0,1]
plt.subplot(121)
plt.imshow(img_plt)
plt.title('Matplotlib显示')
# OpenCV与Matplotlib颜色空间差异
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # BGR转RGB
plt.subplot(122)
plt.imshow(img_rgb)
plt.title('OpenCV转RGB显示')
plt.show()

# 访问特定位置像素值
px = img[100, 50]  # 获取坐标(50,100)处像素值
print(f"Blue={px[0]}, Green={px[1]}, Red={px[2]}")
# 修改像素值
img[100, 50] = [0, 255, 0]  # 将该位置改为绿色

# 提取ROI区域（感兴趣区域）
roi = img[50:150, 100:200]
# 批量修改像素值
img[200:300, 300:400] = [0, 0, 255]  # 填充红色矩形

print(f"最大像素值: {img.max()}")
print(f"最小像素值: {img.min()}")
print(f"平均像素值: {img.mean()}")

# 分离通道（OpenCV方式）
b, g, r = cv2.split(img)
cv2.imshow('Blue Channel', b)
# 合并通道
merged = cv2.merge([b, g, r])
# 直接操作特定通道（Numpy方式）
img_copy = img.copy()
img_copy[:, :, 0] = 0  # 清空蓝色通道

# 显示各通道灰度图
plt.figure(figsize=(12, 3))
for i, ch in enumerate(['Blue', 'Green', 'Red']):
    plt.subplot(1,3,i+1)
    plt.imshow(cv2.split(img)[i], cmap='gray')
    plt.title(f'{ch}通道')
    plt.axis('off')
plt.show()

def image_processing_pipeline(path):
    # 1. 图像读取
    src = cv2.imread(path)
    if src is None:
        print("错误：无法读取图像！")
        return
    # 2. 通道分析
    b, g, r = cv2.split(src)
    # 3. 创建特殊效果
    special_effect = src.copy()
    special_effect[:, :, 1] = cv2.add(special_effect[:, :, 1], 50)  # 增强绿色通道
    # 4. 结果展示
    plt.figure(figsize=(15, 5))
    plt.subplot(141)
    plt.imshow(cv2.cvtColor(src, cv2.COLOR_BGR2RGB))
    plt.title('原图')
    plt.subplot(142)
    plt.imshow(r, cmap='gray')
    plt.title('红色通道')
    plt.subplot(143)
    plt.imshow(special_effect[:, :, [2,1,0]])
    plt.title('增强绿色通道')
    plt.subplot(144)
    plt.imshow(b, cmap='viridis')  # 使用不同色图
    plt.title('蓝色通道（Viridis色图）')
    plt.tight_layout()
    plt.show()
# 执行处理流程
image_processing_pipeline('test_image.jpg')

# 推荐方式（Numpy向量化）
start_time = cv2.getTickCount()
brighter = cv2.add(img, np.array([30]))
print(f"耗时：{(cv2.getTickCount() - start_time)/cv2.getTickFrequency():.4f}s")
# 不推荐方式（双重循环）
start_time = cv2.getTickCount()
for y in range(img.shape[0]):
    for x in range(img.shape[1]):
        img[y,x] = np.clip(img[y,x] + 30, 0, 255)
print(f"耗时：{(cv2.getTickCount() - start_time)/cv2.getTickFrequency():.4f}s")

# 检查数组内存布局
if not img.flags.c_contiguous:
    img = np.ascontiguousarray(img)

# 统一颜色空间转换
def show_image统一(img_bgr, title='Image'):
    plt.imshow(cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB))
    plt.title(title)
    plt.axis('off')
    plt.show()

# 金字塔下采样
pyramid = cv2.pyrDown(img)
print(f"下采样后尺寸：{pyramid.shape}")