OpenCV-Python实战（1）——OpenCV简介与图像处理基础

一、OpenCV简介：计算机视觉的开源利器

OpenCV（Open Source Computer Vision Library）是一个跨平台的计算机视觉库，由Intel于1999年发起，后由Willow Garage和Itseez团队持续维护。其核心优势在于：

1. 跨平台支持：兼容Windows、Linux、macOS、Android和iOS，支持C++、Python、Java等多种语言接口。
2. 高性能优化：内置Intel IPP（集成性能原语）和TBB（线程构建模块），可自动利用CPU多核和SIMD指令集加速。
3. 模块化设计：涵盖图像处理、特征检测、视频分析、机器学习、3D重建等2500+算法。
4. 活跃的社区：GitHub上拥有超过50k星标，每周更新版本，提供丰富的预训练模型和示例代码。

Python通过cv2模块封装OpenCV功能，开发者可利用NumPy数组高效处理图像数据。例如，安装OpenCV-Python只需：

pip install opencv-python  # 基础功能
pip install opencv-contrib-python  # 包含额外模块

二、图像处理基础：从像素到高级操作

1. 图像的读取与显示

OpenCV以BGR格式存储图像（与Matplotlib的RGB不同），核心函数包括：

import cv2
img = cv2.imread('image.jpg')  # 读取图像
cv2.imshow('Window Title', img)  # 显示图像
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()  # 关闭窗口

关键点：

• imread的第二个参数可指定读取模式（如cv2.IMREAD_GRAYSCALE转为灰度图）。
• 路径需使用双反斜杠或原始字符串（如r'C:\path\to\image.jpg'）。

2. 像素级操作

图像本质是NumPy数组，可直接通过索引修改：

# 访问坐标(100,50)的像素值（BGR三通道）
pixel = img[100, 50]
# 修改为红色
img[100, 50] = [0, 0, 255]

性能优化：

• 批量操作优于逐像素修改（如使用cv2.rectangle()绘制图形）。
• 避免在循环中频繁调用OpenCV函数。

3. 图像几何变换

（1）缩放与旋转

# 缩放（使用双线性插值）
resized = cv2.resize(img, (640, 480))
# 旋转（中心点、角度、缩放比例）
center = (img.shape[1]//2, img.shape[0]//2)
M = cv2.getRotationMatrix2D(center, 45, 0.5)
rotated = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

参数说明：

• interpolation可选cv2.INTER_NEAREST（最近邻）、cv2.INTER_LINEAR（默认）等。
• 旋转后图像可能超出原边界，需调整输出尺寸。

（2）仿射变换

通过三点对应实现透视变换：

pts1 = np.float32([[50, 50], [200, 50], [50, 200]])
pts2 = np.float32([[10, 100], [200, 50], [100, 250]])
M = cv2.getAffineTransform(pts1, pts2)
affine = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))

4. 图像阈值化

将灰度图转为二值图：

# 全局阈值
ret, thresh1 = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)
# 自适应阈值（解决光照不均）
thresh2 = cv2.adaptiveThreshold(gray_img, 255, 
                               cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                               cv2.THRESH_BINARY, 11, 2)

应用场景：

• 文档扫描（去除背景）
• 物体分割（结合边缘检测）

5. 边缘检测

Canny算法分两步：

1. 噪声抑制：高斯模糊
2. 梯度计算：Sobel算子

   blurred = cv2.GaussianBlur(gray_img, (5, 5), 0)
   edges = cv2.Canny(blurred, 50, 150)  # 低阈值:高阈值=1:2或1:3

   参数调优：

• 高阈值过高会丢失边缘，过低会产生噪声。
• 可先用cv2.findContours()检测轮廓，再可视化结果。

三、实战案例：文档扫描与矫正

结合上述技术实现自动文档矫正：

import cv2
import numpy as np
def scan_document(img_path):
    # 1. 预处理
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edged = cv2.Canny(blurred, 75, 200)
    # 2. 轮廓检测
    contours, _ = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
    contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5]
    # 3. 筛选四边形轮廓
    for c in contours:
        peri = cv2.arcLength(c, True)
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)
        if len(approx) == 4:
            screen_cnt = approx
            break
    # 4. 透视变换
    def order_points(pts):
        rect = np.zeros((4, 2), dtype="float32")
        s = pts.sum(axis=1)
        rect[0] = pts[np.argmin(s)]
        rect[2] = pts[np.argmax(s)]
        diff = np.diff(pts, axis=1)
        rect[1] = pts[np.argmin(diff)]
        rect[3] = pts[np.argmax(diff)]
        return rect
    warped = four_point_transform(img, screen_cnt.reshape(4, 2))
    return warped
def four_point_transform(image, pts):
    rect = order_points(pts)
    (tl, tr, br, bl) = rect
    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
    maxWidth = max(int(widthA), int(widthB))
    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
    maxHeight = max(int(heightA), int(heightB))
    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype="float32")
    M = cv2.getPerspectiveTransform(rect, dst)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))
    return warped

执行流程：

1. 边缘检测定位文档轮廓
2. 多边形近似筛选四边形
3. 透视变换矫正视角
4. 输出平整的文档图像

四、性能优化技巧

1. 内存管理：

   • 及时释放不再使用的图像对象（del img或使用with语句）
   • 避免在循环中重复加载图像

2. 并行处理：

   from multiprocessing import Pool
   def process_image(img_path):
       # 处理单张图像
       return result
   with Pool(4) as p:  # 使用4个进程
       results = p.map(process_image, image_paths)

3. GPU加速：

   • 安装cv2.cuda模块（需NVIDIA GPU）
   • 将图像上传至GPU：cuda_img = cv2.cuda_GpuMat()

五、常见问题解决

1. 图像显示为全黑/全白：

   • 检查imshow后是否调用waitKey
   • 确认图像数据类型（应为uint8）

2. 轮廓检测失败：

   • 调整Canny阈值或先进行二值化
   • 使用形态学操作（如cv2.dilate()）增强边缘

3. OpenCV与Matplotlib颜色空间冲突：

   # OpenCV转Matplotlib格式
   img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
   import matplotlib.pyplot as plt
   plt.imshow(img_rgb)
   plt.show()

通过掌握上述基础操作，开发者可快速构建计算机视觉应用。后续章节将深入探讨特征提取、目标检测和深度学习集成等高级主题。