作为计算机视觉领域最常用的开源库，OpenCV涵盖了图像读取、显示、处理等一系列基础功能，是入门者必须掌握的核心工具。这篇博客就来梳理一下我们今天讨论学习的关键知识点，也希望能给同样刚入门的朋友一些参考～
一、前置准备：环境搭建
在开始操作之前，首先要完成OpenCV的环境配置。我们今天讨论的是基于Python的环境（Python语法简洁，更适合入门），安装步骤其实很简单，直接通过pip命令即可完成：
附上我安装的版本，老师说版本太高了不适合用于学习，有版权问题而且不稳定等问题。
安装完成后，我们可以在Python脚本中通过import cv2来验证是否安装成功。这里要注意一个小细节，导入时的名称是cv2，而不是opencv-python哦～如果没有报错，就说明环境已经搭建完成，可以正式开始后续的操作了。
二、核心基础操作：图像的读取与显示
图像的读取和显示是OpenCV最基础也是最常用的操作，相当于计算机视觉的"Hello World"。
1. 图像读取：cv2.imread()
cv2.imread()函数用于读取图像文件，需要传入两个主要参数：图像路径和读取模式。
常见的读取模式有三种：
-
cv2.IMREAD_COLOR（默认模式）：读取彩色图像，忽略图像的透明度通道，对应数值1；
-
cv2.IMREAD_GRAYSCALE：读取灰度图像，对应数值0；
-
cv2.IMREAD_UNCHANGED：读取完整图像，包含透明度通道，对应数值-1。
注意：参数和对应数值是等价的，比方说读取模式填写cv2.IMREAD_COLOR或者1都是读取彩色图像。
2. 图像显示：cv2.imshow()
cv2.imshow()函数用于在窗口中显示图像，需要传入两个参数：窗口名称和要显示的图像对象。
配合cv2.waitKey()和cv2.destroyAllWindows()函数使用，才能正常显示窗口并控制窗口关闭。cv2.waitKey()用于等待键盘输入，参数为等待时间（单位：毫秒），0表示无限等待；cv2.destroyAllWindows()用于关闭所有打开的窗口。
示例代码：
python
import cv2 # 读取的格式是BGR numpy
import numpy as np
a = cv2.imread('img.png')#读取图片
# print(a) # NumPy数组，其中存储了读取的图像文件的像素值。
cv2.imshow('tu',a) #显示图片。显示图片的名称，显示的图片数据。
b = cv2.waitKey(0)#是在一个给定的时间内(单位ms)触发；如果用户没有按下键，到时自动结束。设置waitKey(0),代表按任意键继续。
print(b)#当前按下按键 ASCII码值
cv2.destroyAllWindows() #关闭所有打开的窗口并释放所有相关内存。
# ## 对于简单的程序不需要调用这些函数，应用程序的所有资源和窗口在退出时都会由操作系统自动关闭 。
# ## '''调试模型观察shape，dtype、size属性'''
print("图像形状（shape）:", a.shape) #高、宽、通道数
print("图像数据类型（dtype）:", a.dtype) #无符号 8 位整数，用于表示像素值的范围在 0 到 255 之间。
print("图像大小（size）:", a.size) #表示图像的大小，通常是一个整数，表示图像的总像素数，即图像的高度乘以宽度乘以通道数执行结果：
这里要注意路径问题：如果图像文件和Python脚本在同一目录下，直接写文件名即可；如果不在同一目录，需要写完整的绝对路径（比如"D:/images/test.jpg"）。如果路径错误，函数会返回None，后续操作会报错。
三、进阶基础：图像的保存与简单处理
掌握了读取和显示后，我们还讨论了图像的保存和简单的灰度转换、尺寸调整操作。
1. 图像保存：cv2.imwrite()
cv2.imwrite()函数用于将处理后的图像保存到指定路径，参数为保存路径（包含文件名和格式）和要保存的图像对象。
运行后，就会在指定路径下生成一张名为"test_gray.jpg"的灰度图像。
2. 简单图像处理：灰度转换与尺寸调整
除了直接读取灰度图像，我们还可以通过cv2.cvtColor()函数将彩色图像转换为灰度图像，该函数用于颜色空间转换，参数为原始图像和转换模式（cv2.COLOR_BGR2GRAY表示BGR空间转灰度空间）。
尺寸调整可以使用cv2.resize()函数，需要传入原始图像和目标尺寸（宽，高），也可以指定缩放比例。
这里我们直接对a进行截取，因为图片以数组形式存储，通过数组索引即可。
这里有个重要的小知识点：OpenCV读取的彩色图像默认是BGR颜色空间，而我们平时常见的图像是RGB颜色空间。如果后续需要和其他库（比如Matplotlib）配合使用，需要进行BGR到RGB的转换（cv2.COLOR_BGR2RGB），否则显示的图像颜色会失真。
代码示例：
python
import cv2
'''读取灰度图，截取'''
a=cv2.imread("img.png",0)#0表示读取灰度图，等价于cv2.IMREAD_GRAYSCALE
b=a[30:100,40:150]
cv2.imwrite("imggray.png",a)
cv2.imshow("hh",a)
cv2.imshow("hhh",b)
cv2.waitKey(0)
cv2.destroyAllWindows()运行结果：
3、分隔通道
代码实例：
python
import cv2
a=cv2.imread("img.png")
'''分割通道'''
a1=a[:,:,0]
a2=a[:,:,1]
a3=a[:,:,2]
#另一种方法
b,g,r=cv2.split(a)
cv2.imshow("b",b)
cv2.imshow("g",g)
cv2.imshow("r",r)
cv2.waitKey(0)
'''注意:我们这里是显示蓝色通道的图像，但是所显示的图片确是灰色的，那是因为只显示蓝色通道时，实际上是将
蓝色通道作为亮度值，是单个通道，这会导致图像呈现为灰色。想要展示只包含蓝色通道信息
的彩色图像，可以将图像中的绿色通道和红色通道设为0，即移除绿色和红色，只保留蓝色。'''
a[:,:,1]=0
a[:,:,2]=0
cv2.imshow("a",a)
cv2.waitKey(0)运行结果：
四、视频处理
opencv是用于图片识别、分析等操作的库，因此对是平的处理其实就是对图片处理，不能处理音频，比如我们这里逐帧播放视频，其实就是一张一张放出图片。
代码实例：
python
'''本质是逐帧的处理图片'''
import cv2
# 打开视频文件
video_capture = cv2.VideoCapture('20250723-155313-template-f8c3.mp4')
# video_capture = cv2.VideoCapture(0)#参数0表示摄像头
# 检查视频是否成功打开
if not video_capture.isOpened():
print("无法打开视频文件")
exit()
# 循环读取视频帧
while True:
# 逐帧读取视频
ret, frame = video_capture.read() # ret是布尔值，表示是否成功读取了帧，frame 是读取到的帧
#video_capture.read() 每次返回两个值，一个布尔一帧图片
# 检查是否成功读取帧
if not ret:
break
# 将图像从一种颜色空间转换为另一种颜色空间。（在此可添加各种对图片的处理步骤已达到对视频处理的效果）
frame=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)#还有很多其他格式可以转换
# 显示当前帧
cv2.imshow( 'video', frame)
# 检查用户是否按下 'esc' 键，如果是则退出循环
if cv2.waitKey(60) == 27:
break
# 释放资源
video_capture.release()
cv2.destroyAllWindows()运行结果：
一个逐帧播放的效果，注意 到我们opencv库是可以调用摄像头的：video_capture = cv2.VideoCapture(0)#参数0表示摄像头。
五、学习小结与感悟
今天的讨论学习，我们从环境搭建开始，一步步掌握了OpenCV的图像读取、显示、保存以及简单的处理操作。这些操作虽然基础，但却是计算机视觉的基石------后续的图像识别、目标检测等复杂应用，都是在这些基础操作的基础上展开的。
学习过程中，我们也踩了一些小坑，比如路径错误导致图像读取失败、忘记用waitKey()函数导致窗口无法正常显示、忽略BGR和RGB的颜色空间差异导致图像颜色异常等。这些小问题也提醒我们，学习技术一定要注重细节，多动手实践，遇到问题多调试，才能真正掌握。
接下来，我们计划继续深入学习OpenCV的图像预处理（比如阈值处理、滤波、边缘检测等），逐步搭建起计算机视觉的知识体系。如果屏幕前的你也在入门计算机视觉，欢迎一起交流学习～