OpenCV 是计算机视觉领域最常用的开源库之一，它提供了丰富的图像和视频处理功能。本文将从环境配置开始，带大家一步步解析基础操作代码，快速入门 OpenCV 的使用。
一、环境配置
在开始之前，我们需要先搭建好 OpenCV 的运行环境。
1. 安装 Python
OpenCV 支持多种编程语言，其中 Python 接口最为易用。首先确保你的电脑上安装了 Python（推荐 3.7 及以上版本），可以从Python 官网下载安装。
2. 安装 OpenCV 库
打开命令行（Windows 系统可使用 Win+R 输入 cmd，Mac/Linux 使用终端），输入以下命令安装 OpenCV：
pip install opencv-python如果需要额外的扩展功能（如视频处理相关模块），可以安装：
pip install opencv-contrib-python二、代码解析：图像基本操作
1. 读取与显示图像
python
import cv2
# 读取图像（默认以BGR格式读取）
a = cv2.imread('img.png')
# 显示图像，第一个参数是窗口名称，第二个是图像数据
cv2.imshow('cute', a)
# 等待按键（0表示无限等待），返回值是按键的ASCII码
b = cv2.waitKey(0)
# 关闭所有窗口
cv2.destroyAllWindows()运行结果：
关键说明：
cv2.imread()：如果路径错误会返回None，建议使用绝对路径或检查文件是否存在cv2.imshow()：需要配合cv2.waitKey()使用，否则窗口会一闪而过cv2.waitKey(0)：等待用户按下任意键，按下的键值会被返回（如按 ESC 键返回 27）
2. 图像属性查看
python
print(b) # 输出按下的按键ASCII码
print("图像形状", a.shape) # 输出(高度, 宽度, 通道数)，彩色图通道数为3
print("图像数据类型", a.dtype) # 通常为uint8（0-255的整数）
print(f"图像大小:", a.size) # 总像素数 = 高度×宽度×通道数运行结果：
按下的是'q'返回的是'q'的ASCII码，按下其他的是窗口关闭返回其他按键的ASCII码
3. 灰度图转换
python
# 以灰度模式读取图像（参数cv2.IMREAD_GRAYSCALE）
b = cv2.imread(r'./img.png', cv2.IMREAD_GRAYSCALE)
cv2.imshow('xx', b)
a = cv2.waitKey(0)
cv2.destroyAllWindows()
# 灰度图的形状是(高度, 宽度)，通道数为1
print("图像形状：", b.shape)
print("图像数据类型：", b.dtype)
print("图像大小：", b.size) # 总像素数 = 高度×宽度
- 图像转化为灰度图
- 返回图像属性
4. 图像保存
python
# 将灰度图保存为新文件
cv2.imwrite('immg.png', b)产生immg.png图片：
注意 ：imwrite()的第一个参数是保存路径，第二个是图像数据，支持 png、jpg 等多种格式。
5. 图像切片（裁剪）
python
a = cv2.imread(r'./img.png')
# 切片格式：[起始行:结束行, 起始列:结束列]（行数对应高度，列数对应宽度）
b_qie = a[30:230, 100:300] # 裁剪从第30行到230行，第100列到300列的区域
cv2.imshow('yuantu', a) # 显示原图
cv2.imshow('qiepian', b_qie) # 显示切片区域
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果：
三、代码解析：视频处理基础
1. 调用摄像头
python
import cv2
# 打开摄像头（0表示默认摄像头，也可以传入视频文件路径）
video_caputure = cv2.VideoCapture(0)
if not video_caputure.isOpened():
print("无法打开摄像头或文件")
exit()
while True:
# 读取一帧画面，ret是布尔值表示是否读取成功，frame是帧数据
ret, frame = video_caputure.read()
if not ret:
break # 读取失败则退出循环
# 可选：将彩色帧转为灰度帧
# frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
cv2.imshow('Video', frame)
# 每60毫秒检测一次按键，按下ESC键（ASCII码27）退出
if cv2.waitKey(60) == 27:
break
# 释放摄像头资源
video_caputure.release()
cv2.destroyAllWindows()运行结果：
- video_caputure = cv2.VideoCapture(0) ：括号里也可传入视频地址。
四、代码解析：图像通道操作
OpenCV 读取的彩色图像默认是 BGR 格式（蓝、绿、红），而非常见的 RGB 格式，这一点需要特别注意。
1. 通道分离与显示
python
import cv2
a = cv2.imread(r'./img.png')
# 直接通过索引获取通道（0=蓝，1=绿，2=红）
a1 = a[:, :, 0] # 蓝色通道
a2 = a[:, :, 1] # 绿色通道
a3 = a[:, :, 2] # 红色通道
# 或使用split函数分离通道
b, g, r = cv2.split(a)
# 分别显示三个通道（单通道图像会以灰度形式显示，值越高越亮）
cv2.imshow('b', b)
cv2.imshow('g', g)
cv2.imshow('r', r)
cv2.waitKey(10000) # 等待10秒运行结果：
2. 通道修改
python
a_new = a.copy() # 复制原图，避免修改原图
# 将绿色通道和红色通道设为0，只保留蓝色通道
a_new[:, :, 1] = 0
a_new[:, :, 2] = 0
cv2.imshow('result2', a_new) # 显示纯蓝色图像
cv2.waitKey(10000)
cv2.destroyAllWindows()运行结果：
五、代码解析：图像编辑进阶
1. 图像涂鸦
-
左侧：a [100:200, 200:300]： 选取图像中，
100:200表示选取图像的行范围（垂直方向）200:300表示选取图像的列范围（水平方向） 100×100 像素的矩形区域 -
右侧：np.random.randint (0, 256, (100, 100, 3))：
np.random.randint()生成指定范围的随机整数，0, 256表示生成 [0, 255] 之间的整数（符合图像像素值范围），(100, 100, 3)表示生成的数组形状：100 行、100 列、3 个通道（与左侧选取的区域大小完全匹配）生成一个充满随机颜色值的三维数组，模拟彩色图像的像素数
将右侧生成的随机颜色数组，赋值给左侧选取的图像区域，图像中 100:200 行、200:300 列的区域会被随机颜色覆盖
python
import cv2
import numpy as np
a = cv2.imread(r'img.png')
# 在图像的(100:200行, 200:300列)区域填充随机颜色
a[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))
cv2.imshow('masaike', a)
cv2.waitKey(1000000) # 长时间等待，方便观察运行结果：
2. 图像融合（粘贴）
b[200:350, 200:350] = a[50:200, 100:250]：将右侧150×150 的区域复制粘贴给左侧150×150区域
python
a = cv2.imread('img.png')
b = cv2.imread('longnv.webp')
# 将a的(50:200行, 100:250列)区域粘贴到b的(200:350行, 200:350列)区域
# 注意：两个区域的大小必须一致（150x150）
b[200:350, 200:350] = a[50:200, 100:250]
cv2.imshow('b', b)
cv2.imshow('a', a)
cv2.waitKey(10000)运行结果：
3. 图像缩放
python
a = cv2.imread('img.png')
# 将图像缩放到宽度200，高度600（注意参数是(width, height)）
a_new = cv2.resize(a, (200, 600))
cv2.imshow('a', a)
cv2.imshow('a_new', a_new)
cv2.waitKey(10000)
cv2.destroyAllWindows()运行结果：
六、总结
这些操作是 OpenCV 的基础，掌握后可以进一步学习更复杂的功能，如边缘检测、目标识别等。建议大家多动手尝试，修改代码中的参数（如切片范围、缩放尺寸），观察结果变化，加深理解。
如果运行中遇到问题，首先检查文件路径是否正确，其次确认 OpenCV 版本是否兼容（可以通过print(cv2.__version__)查看版本）。祝大家在计算机视觉的路上越走越远！