人工智能之视觉领域 计算机视觉 第三章 NumPy 与图像矩阵

人工智能之视觉领域 计算机视觉

第三章 NumPy 与图像矩阵

---

文章目录

• [人工智能之视觉领域 计算机视觉](#人工智能之视觉领域 计算机视觉)
• [前言：OpenCV 核心数据结构 ------ NumPy 与图像矩阵](#前言：OpenCV 核心数据结构 —— NumPy 与图像矩阵)
• • [1. 通俗理解：图像是什么？](#1. 通俗理解：图像是什么？)
  • • [🖼️ 图像类型与矩阵形状对应关系：](#🖼️ 图像类型与矩阵形状对应关系：)
  • [2. 为什么 OpenCV 依赖 NumPy？](#2. 为什么 OpenCV 依赖 NumPy？)
  • [3. 图像 ↔ 矩阵：直观对应示例](#3. 图像 ↔ 矩阵：直观对应示例)
  • • [示例 1：创建一个 3×3 的灰度小图](#示例 1：创建一个 3×3 的灰度小图)
    • [示例 2：彩色图像的三维结构](#示例 2：彩色图像的三维结构)
  • [4. 核心 NumPy 操作（OpenCV 必备）](#4. 核心 NumPy 操作（OpenCV 必备）)
  • • [4.1 查看图像基本信息](#4.1 查看图像基本信息)
    • [4.2 访问与修改像素](#4.2 访问与修改像素)
    • [4.3 通道分离与合并](#4.3 通道分离与合并)
    • [4.4 图像 ROI（感兴趣区域）](#4.4 图像 ROI（感兴趣区域）)
  • [5. 数据类型与取值范围](#5. 数据类型与取值范围)
  • [6. 图像矩阵操作流程图（Mermaid）](#6. 图像矩阵操作流程图（Mermaid）)
  • [7. 配套代码实战：图像矩阵探索工具](#7. 配套代码实战：图像矩阵探索工具)
  • [8. 常见误区提醒](#8. 常见误区提醒)
  • 总结
• 资料关注

---

前言：OpenCV 核心数据结构 ------ NumPy 与图像矩阵

学习目标：理解"图像 = 数字矩阵"的本质，掌握 OpenCV 与 NumPy 的协同工作机制，能对图像进行基础的矩阵操作。

---

1. 通俗理解：图像是什么？

想象一张 1920×1080 的彩色照片 。

在人眼中，它是风景、人脸或猫咪；

但在计算机眼里，它只是一堆 数字！

✅ 核心观点 ：
图像是一个由像素（Pixel）组成的矩阵，每个像素用数字表示颜色。

🖼️ 图像类型与矩阵形状对应关系：

图像类型	矩阵维度（Shape）	说明
灰度图	(H, W)	高 × 宽，每个值 ∈ [0, 255]（0=黑，255=白）
彩色图（BGR）	(H, W, 3)	3 个通道：Blue, Green, Red（注意顺序！）
带透明通道（BGRA）	(H, W, 4)	多一个 Alpha 通道（透明度）

🔍 示例：一张 480×640 的彩色图 → img.shape = (480, 640, 3)

---

2. 为什么 OpenCV 依赖 NumPy？

OpenCV 的 Python 接口 完全基于 NumPy 数组（ndarray） 。

这意味着：

• 你用 cv2.imread() 读进来的图像，本质上是一个 NumPy 数组
• 所有图像操作（裁剪、旋转、滤波）都是 对 NumPy 数组的操作
• 你可以无缝使用 NumPy 的强大功能（切片、广播、数学运算）

💡 一句话总结 ：
OpenCV 负责"视觉算法"，NumPy 负责"数据存储与计算"。

---

3. 图像 ↔ 矩阵：直观对应示例

示例 1：创建一个 3×3 的灰度小图

import numpy as np

# 创建一个 3x3 的灰度图像（数值代表亮度）
gray_img = np.array([
    [0,   128, 255],
    [64,  192, 32 ],
    [255, 0,   128]
], dtype=np.uint8)

print("图像矩阵：")
print(gray_img)
print("形状：", gray_img.shape)  # (3, 3)

输出：

图像矩阵：
[[  0 128 255]
 [ 64 192  32]
 [255   0 128]]
形状： (3, 3)

🎨 可视化理解：

• 左上角是黑色（0）
• 右上角是白色（255）
• 中间是灰色（128~192）

---

示例 2：彩色图像的三维结构

import cv2
import numpy as np

# 创建一个 2x2 的纯红色小图（BGR格式！）
red_img = np.zeros((2, 2, 3), dtype=np.uint8)
red_img[:, :, 2] = 255  # R 通道设为 255

print("红色图像矩阵：")
print(red_img)
print("形状：", red_img.shape)  # (2, 2, 3)

输出：

红色图像矩阵：
[[[  0   0 255]
  [  0   0 255]]

 [[  0   0 255]
  [  0   0 255]]]
形状： (2, 2, 3)

⚠️ 注意：OpenCV 使用 BGR 顺序 ，不是 RGB！

所以 [0, 0, 255] 表示 红色（Blue=0, Green=0, Red=255）

---

4. 核心 NumPy 操作（OpenCV 必备）

4.1 查看图像基本信息

import cv2

img = cv2.imread('photo.jpg')

print("数据类型：", img.dtype)      # uint8（0~255）
print("形状：", img.shape)         # (高, 宽, 通道数)
print("像素总数：", img.size)      # 高 × 宽 × 通道
print("维度数：", img.ndim)        # 3（彩色图）

4.2 访问与修改像素

# 获取 (y, x) 处的像素值（注意：先 y 后 x！）
pixel = img[100, 200]  # 第100行、第200列的像素

# 修改为白色（BGR）
img[100, 200] = [255, 255, 255]

# 修改整个区域（切片）
img[50:100, 100:200] = [0, 255, 0]  # 绿色方块

📌 坐标系统：

• img[y, x] → y 是行（高度方向），x 是列（宽度方向）
• 原点 (0,0) 在 左上角

---

4.3 通道分离与合并

# 分离 B, G, R 通道
b, g, r = cv2.split(img)

# 或用 NumPy 切片（更快！）
b = img[:, :, 0]
g = img[:, :, 1]
r = img[:, :, 2]

# 合并通道
img_merged = cv2.merge([b, g, r])

# 创建只有红色的图像
red_only = np.zeros_like(img)
red_only[:, :, 2] = r  # 保留 R 通道，其他为 0

---

4.4 图像 ROI（感兴趣区域）

# 裁剪图像的一部分（ROI）
roi = img[100:300, 200:400]  # 高从100到300，宽从200到400

# 将 ROI 复制到另一个位置
img[0:200, 0:200] = roi

✅ 这就是"贴图"、"打码"、"局部处理"的基础！

---

5. 数据类型与取值范围

数据类型	取值范围	用途
uint8	0 ~ 255	标准图像格式（8位）
float32	0.0 ~ 1.0 或 -1.0 ~ 1.0	深度学习、浮点运算
int16	-32768 ~ 32767	特定传感器数据

⚠️ 重要规则：

• 显示或保存图像时，必须是 uint8（0~255）
• 若计算结果超出范围（如负数或 >255），会自动截断或报错！

# 错误示例：直接相加可能溢出
img1 = cv2.imread('a.jpg')
img2 = cv2.imread('b.jpg')
result = img1 + img2  # 若某像素和为 300 → 自动变为 44（300 % 256）

# 正确做法：使用 cv2.add()（饱和运算）
result = cv2.add(img1, img2)  # 300 → 255（不会溢出）

---

6. 图像矩阵操作流程图（Mermaid）

彩色
灰度
读取图像 cv2.imread
图像类型?
矩阵 shape = H,W,3
矩阵 shape = H,W
NumPy 数组 uint8
可执行: 切片/运算/通道操作
显示 cv2.imshow 或保存 cv2.imwrite

---

7. 配套代码实战：图像矩阵探索工具

import cv2
import numpy as np

def explore_image(image_path):
    """深入探索一张图像的矩阵结构"""
    img = cv2.imread(image_path)
    if img is None:
        print("❌ 图像未找到，请检查路径")
        return

    print("="*50)
    print(f"🔍 图像分析: {image_path}")
    print(f"形状 (H, W, C): {img.shape}")
    print(f"数据类型: {img.dtype}")
    print(f"最小值: {img.min()}, 最大值: {img.max()}")
    
    # 显示中心像素
    h, w = img.shape[:2]
    center_pixel = img[h//2, w//2]
    print(f"中心像素 (B,G,R): {center_pixel}")

    # 创建通道分离图
    b, g, r = cv2.split(img)
    zeros = np.zeros_like(b)
    blue_img = cv2.merge([b, zeros, zeros])
    green_img = cv2.merge([zeros, g, zeros])
    red_img = cv2.merge([zeros, zeros, r])

    # 显示（或保存）
    cv2.imshow('Original', img)
    cv2.imshow('Blue Channel', blue_img)
    cv2.imshow('Green Channel', green_img)
    cv2.imshow('Red Channel', red_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 使用示例
# explore_image('your_photo.jpg')

---

8. 常见误区提醒

误区	正确认知
"图像是 RGB"	OpenCV 默认是 BGR ！显示前需转 RGB（用 cv2.cvtColor(img, cv2.COLOR_BGR2RGB)）
"img[x, y] 是第 x 列 y 行"	实际是 img[y, x]！先行后列（NumPy 索引规则）
"可以直接用 + - * / 运算"	小心溢出！推荐用 cv2.add(), cv2.subtract() 等安全函数
"float 图像可以直接显示"	cv2.imshow() 要求 uint8，浮点图需乘以 255 并转类型

---

总结

图像的本质是矩阵，OpenCV 的灵魂是 NumPy 。

掌握以下三点，你就迈出了计算机视觉的关键一步：

1. ✅ 图像 = np.ndarray，形状为 (H, W) 或 (H, W, 3)
2. ✅ 像素访问：img[y, x]，通道：img[:, :, 0]（B）
3. ✅ 所有操作都是对数组的数学/逻辑运算

🚀 下一步：我们将学习如何对这些矩阵进行"美容"------图像预处理（灰度化、滤波、边缘检测）！

---

📚 练习：

1. 用 NumPy 创建一个渐变色图像（从黑到白）
2. 将一张彩色图转换为"只有蓝色"的图像
3. 计算图像的平均亮度（对灰度图求均值）

资料关注

公众号：咚咚王

gitee：https://gitee.com/wy18585051844/ai_learning

《Python编程：从入门到实践》

《利用Python进行数据分析》

《算法导论中文第三版》

《概率论与数理统计（第四版） (盛骤) 》

《程序员的数学》

《线性代数应该这样学第3版》

《微积分和数学分析引论》

《（西瓜书）周志华-机器学习》

《TensorFlow机器学习实战指南》

《Sklearn与TensorFlow机器学习实用指南》

《模式识别（第四版）》

《深度学习 deep learning》伊恩·古德费洛著 花书

《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》

《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》

《自然语言处理综论 第2版》

《Natural-Language-Processing-with-PyTorch》

《计算机视觉-算法与应用(中文版)》

《Learning OpenCV 4》

《AIGC：智能创作时代》杜雨+&+张孜铭

《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》

《从零构建大语言模型（中文版）》

《实战AI大模型》

《AI 3.0》