OpenCV 入门实战：图片与视频处理零基础教程

刚接触 OpenCV 时可能会觉得各种函数和参数眼花缭乱。这篇文章我会用最通俗的语言，结合实战代码，带你快速掌握 OpenCV 最常用的图片和视频处理技巧，看完就能上手操作！

一、准备工作

首先确保你已经安装了 OpenCV 和 numpy：

bash

运行

pip install opencv-python numpy

OpenCV 读取图片默认是BGR 格式（不是常见的 RGB），图片数据会以 NumPy 数组的形式存储，这是我们后续所有操作的基础。

二、图片基础操作

1. 读取、显示、保存图片

这是最基础的三步操作，先看完整代码：

python

运行

import cv2

# 1. 读取图片（BGR格式）
img = cv2.imread('ENDFIELD_SHARE_1771487612.png')  # 替换成你的图片路径

# 打印图片基本信息
print("图像形状 (高, 宽, 通道数):", img.shape)
print("图像数据类型:", img.dtype)  # 通常是uint8，像素值0-255
print("总像素数:", img.size)

# 2. 显示图片
cv2.imshow('我的第一张图片', img)  # 窗口名称 + 图片数据
key = cv2.waitKey(0)  # 0表示永久显示，按任意键继续
print(f"按下的按键ASCII码: {key}")  # 可以用来判断按了哪个键
cv2.destroyAllWindows()  # 关闭所有窗口

# 3. 读取并保存灰度图
gray_img = cv2.imread('ENDFIELD_SHARE_1771487612.png', cv2.IMREAD_GRAYSCALE)
cv2.imshow('灰度图', gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存处理后的图片
cv2.imwrite('灰度图_保存版.png', gray_img)

解读：

• cv2.imread()：括号里填图片路径，加cv2.IMREAD_GRAYSCALE就能读成黑白的灰度图
• cv2.imshow()：第一个参数是窗口名字（随便取），第二个是要显示的图片数据
• cv2.waitKey(0)：千万不能少！没有它图片窗口会一闪而过
• cv2.imwrite()：第一个参数是保存的文件名，第二个是要保存的图片数据

2. 截取图片的指定区域（ROI）

ROI 就是 "感兴趣区域"，比如只想截取图片中某一块，直接对 NumPy 数组切片就行：

python

运行

import cv2

# 读取图片
img = cv2.imread('ENDFIELD_SHARE_1771487612.png')

# 截取区域：[起始行:结束行, 起始列:结束列]
roi = img[30:230, 100:300]  # 行范围30-229，列范围100-299

# 显示原图和截取的区域
cv2.imshow('原图', img)
cv2.imshow('截取的区域', roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

解读：

• OpenCV 中图片的坐标是：先行（高） 后列（宽），和我们平时说的 "宽 x 高" 相反
• 切片是 "左闭右开"，比如30:230实际取的是 30 到 229 行，总共 200 行

3. 提取和合并 RGB 颜色通道

OpenCV 读取的图片是 BGR 格式（蓝 - 绿 - 红），我们可以单独提取某个颜色通道，也能合并通道：

python

运行

import cv2

# 读取图片
img = cv2.imread('ENDFIELD_SHARE_1771487612.png')

# 方法1：直接切片提取通道
b_channel = img[:, :, 0]  # 蓝色通道（第0层）
g_channel = img[:, :, 1]  # 绿色通道（第1层）
r_channel = img[:, :, 2]  # 红色通道（第2层）

# 方法2：用cv2.split()提取
b, g, r = cv2.split(img)

# 显示单个通道（显示为灰度图，因为只有一个通道）
cv2.imshow('蓝色通道', b_channel)
cv2.imshow('绿色通道', g_channel)
cv2.imshow('红色通道', r_channel)
cv2.waitKey(0)

# 只保留蓝色通道（把绿、红通道设为0）
img_blue = img.copy()  # 复制原图，避免修改原数据
img_blue[:, :, 1] = 0  # 绿色通道置0
img_blue[:, :, 2] = 0  # 红色通道置0
cv2.imshow('只显示蓝色', img_blue)
cv2.waitKey(0)

# 合并通道（必须按B-G-R顺序）
img_merge = cv2.merge((b, g, r))
cv2.imshow('合并后的图片', img_merge)
cv2.waitKey(0)
cv2.destroyAllWindows()

解读：

• 单个通道显示是灰色的，因为只有亮度信息，没有颜色信息
• 想显示纯蓝色 / 绿色 / 红色，需要把另外两个通道置 0
• 合并通道时顺序必须是 B-G-R，和 OpenCV 的读取格式对应

三、图片进阶操作

1. 图片打码（马赛克效果）

本质是给指定区域的像素赋值随机数，实现马赛克效果：

python

运行

import cv2
import numpy as np

# 读取图片
img = cv2.imread('ENDFIELD_SHARE_1771487612.png')

# 给100x100的区域打码（行100-199，列200-299）
# 生成和区域大小一致的随机像素值（0-255）
img[100:200, 200:300] = np.random.randint(0, 256, (100, 100, 3))

# 显示打码后的图片
cv2.imshow('马赛克效果', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

解读：

• np.random.randint(0, 256, (100, 100, 3))：生成 100 行 100 列 3 通道的随机数（像素值范围）
• 赋值时两边的形状必须完全一致，否则会报错

2. 图片拼接 / 替换

把一张图片的部分区域替换成另一张图片的内容：

python

运行

import cv2

# 读取两张图片
img1 = cv2.imread('ENDFIELD_SHARE_1771487612.png')
img2 = cv2.imread('zl.png')

# 把img2的200:350行、200:350列区域，替换成img1的50:200行、100:250列区域
# 注意：350-200=150，200-50=150；350-200=150，250-100=150，大小必须一致
img2[200:350, 200:350] = img1[50:200, 100:250]

# 显示结果
cv2.imshow('原图1', img1)
cv2.imshow('替换后的图2', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

3. 图片缩放

调整图片的大小，两种常用方式：

python

运行

import cv2

# 读取图片
img = cv2.imread('ENDFIELD_SHARE_1771487612.png')

# 方式1：指定目标大小（宽, 高）
img_resize1 = cv2.resize(img, dsize=(200, 200))

# 方式2：按比例缩放（fx=横向比例，fy=纵向比例）
# img_resize2 = cv2.resize(img, None, fx=1.5, fy=0.5)  # 宽放大1.5倍，高缩小0.5倍

# 显示对比
cv2.imshow('原图', img)
cv2.imshow('缩放后的图', img_resize1)
cv2.waitKey(0)
cv2.destroyAllWindows()

解读：

• dsize=(宽, 高)：注意顺序是宽在前，高在后，和 img.shape（高，宽）相反
• 按比例缩放时，dsize要设为 None

四、视频处理基础

读取视频文件并逐帧处理（比如转灰度）：

python

运行

import cv2

# 打开视频文件（换成你的视频路径，摄像头用0）
cap = cv2.VideoCapture('转场.mp4')

# 检查视频是否打开成功
if not cap.isOpened():
    print("无法打开视频文件！")
    exit()

# 逐帧读取视频
while True:
    # ret=是否读取成功，frame=当前帧的图片数据
    ret, frame = cap.read()
    
    # 没有帧了就退出循环（视频播放完）
    if not ret:
        break
    
    # 对每一帧进行处理（转灰度）
    frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    
    # 显示当前帧
    cv2.imshow('视频播放', frame_gray)
    
    # 按ESC键（ASCII码27）退出，60是每帧间隔毫秒（控制播放速度）
    if cv2.waitKey(60) == 27:
        break

# 释放资源（必须做！）
cap.release()
cv2.destroyAllWindows()

解读：

• 视频本质是一张张图片（帧）的连续播放
• cap.read()：每次读一帧，读完返回 False
• cv2.waitKey(60)：控制播放速度，值越小播放越快
• 最后一定要用cap.release()释放视频资源

五、新手避坑指南

1. 路径问题：图片 / 视频路径写错会导致读取失败，建议用绝对路径（比如C:/test/1.png），或把文件放在代码同目录
2. 窗口关闭：cv2.imshow()后必须加cv2.waitKey()，否则窗口会卡死
3. 形状匹配：数组赋值时两边形状必须一致，比如 100x100 的区域不能赋值 200x200 的数据
4. 通道顺序：OpenCV 是 BGR，不是 RGB，合并通道时别搞反

总结

1. OpenCV 的核心是把图片当成 NumPy 数组处理，切片、赋值等操作和 NumPy 完全一致；
2. 图片操作的核心流程：读取 (imread)→处理→显示 (imshow)→保存 (imwrite)，注意waitKey和窗口关闭；
3. 视频处理就是逐帧读取 + 图片处理，记得最后释放视频资源。

跟着上面的代码一步步跑一遍，你就能快速掌握 OpenCV 的基础用法。刚开始不用死记函数，多用几次自然就熟了！