OpenCV-基础篇

1.创建和显示窗口

1. `cv2.namedWindow(winname, flags)`

作用：提前创建窗口，自定义窗口属性；不调用此函数直接imshow会生成默认不可缩放窗口
参数：
- winname：窗口唯一名称，后续操作窗口都靠名称匹配
- flags窗口模式：
  - cv2.WINDOW_NORMAL：窗口可拖拽缩放
  - cv2.WINDOW_AUTOSIZE：默认，自适应图像大小，不能手动拉伸
  - cv2.WINDOW_FREERATIO：自由比例缩放，不受原图比例限制

2. `cv2.resizeWindow(winname, width, height)`

作用：强制设置窗口像素宽高，仅对WINDOW_NORMAL模式窗口生效
注意：数值是窗口尺寸，不是图片分辨率

3. `cv2.imshow(winname, mat)`

作用：在指定窗口渲染图像
mat=0：代表创建一张全黑空白单通道画布；正常使用时传入读取的图片矩阵，如cv2.imread("test.jpg")

4. `cv2.waitKey(delay)`

delay：等待毫秒数，0代表无限等待按键；1持续刷新监听
& 0xFF：兼容 64 位系统，只取按键 ASCII 低 8 位，避免数值异常
常用按键 ASCII：q=113、esc=27

5. `cv2.destroyWindow(winname)` / `cv2.destroyAllWindows()`

destroyWindow：关闭指定名称窗口
destroyAllWindows()：一次性关闭所有 OpenCV 窗口（推荐收尾使用）

cv2.waitKey() 返回的是数字 ASCII 码，不是字符串

key == 'q' 永远不成立，'q' 的 ASCII 码是 113 ，应该判断数字 113 或 ord('q')

`2.图片的读取`

python运行

复制代码

image = cv2.imread(filename, flags=cv2.IMREAD_COLOR)

参数 1 filename 文件路径
- 代码中使用原始字符串 r"路径"，避免 Windows 反斜杠\转义报错，推荐写法；
- 支持绝对路径（如截图完整 C 盘路径）、相对路径；
- ⚠️常见坑：路径包含中文 / 空格、文件不存在、后缀写错，都会返回None，窗口显示空白。
参数 2 flags 读取模式（可选）

表格

参数效果

cv2.IMREAD_COLOR 默认彩色图，丢弃透明度通道

cv2.IMREAD_GRAYSCALE 以灰度单通道读取

cv2.IMREAD_UNCHANGED 完整读取，保留透明 Alpha 通道

参数	效果
`cv2.IMREAD_COLOR` 默认	彩色图，丢弃透明度通道
`cv2.IMREAD_GRAYSCALE`	以灰度单通道读取
`cv2.IMREAD_UNCHANGED`	完整读取，保留透明 Alpha 通道

3.图片的保存

函数作用

将内存中的图像矩阵写入本地磁盘，保存为图片文件。

语法

python

运行

复制代码

cv2.imwrite(filename, img, params=None)

filename：保存路径 + 文件名（代码：../data/1.png）
- ../ 代表上级目录 ，表示在代码文件的上一层新建data文件夹，输出1.png；
- 支持相对路径、绝对路径；支持格式：png/jpg/bmp/tiff 等；
- ⚠️关键坑：路径中不存在 data 文件夹会保存失败，不会自动创建目录。
img：要保存的图像矩阵 必须是cv2.imread()读取得到的 numpy 数组，不能传 None。
params（可选） ：图片质量压缩参数
- JPG：[cv2.IMWRITE_JPEG_QUALITY, 0~100] 数值越大画质越高
- PNG：[cv2.IMWRITE_PNG_COMPRESSION, 0~9] 数值越大压缩率越高

返回值

布尔值：True保存成功；False保存失败（目录不存在、矩阵为空、格式不支持）。v

4.视频的采集

语法与参数

python

运行

复制代码

cap = cv2.VideoCapture(source)

source=0（代码中使用） 代表读取本机默认摄像头设备；
- 外接多摄像头可填 1、2... 切换设备；
- 传入视频文件路径字符串（如test.mp4）可读取本地视频；
- 传入网络 RTSP/RTMP 流地址可读取监控视频流。
返回值 cap：视频捕获对象，用于读取帧、释放设备、获取视频参数。

关键判断方法

cap.isOpened()：返回布尔值，判断摄像头 / 视频是否成功打开，防止设备占用、找不到设备报错。

`ret, frame = cap.read()`

作用：读取视频下一帧画面
返回两个参数：
1. ret：布尔值，True正常读到帧；False视频结束 / 摄像头断开 / 读取失败
2. frame：numpy 图像矩阵（BGR 三通道），无画面时为None
循环核心逻辑，视频 / 摄像头必备

5.视频文件的读取

6.视频的录制以及保存

要设计好编码方式以及分辨率大小要和设备相适应，不然会损坏文件格式，导致文件不能读取

一、红框 1：`cv2.VideoWriter_fourcc(*'mp4v')`

作用

生成视频编码格式的 4 字节标识符（FourCC 编码），用于指定输出视频的压缩标准。

参数说明

*'mp4v'：解包字符串，代表 MPEG-4 编码，配套后缀.mp4，兼容性最强；
其他常用编码：
- *'XVID' → 输出.avi
- *'avc1' → H.264 高清 mp4

返回值

数字编码 ID，作为VideoWriter的入参。

二、红框 2：获取摄像头分辨率 + `cv2.VideoWriter()`

1. 分辨率读取 API `cap.get()`

python

运行

复制代码

w = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
h = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))

cap.get(属性ID)：读取视频捕获设备参数
cv2.CAP_PROP_FRAME_WIDTH/HEIGHT：获取摄像头原生宽高
必须转int，返回值默认浮点型

2. `cv2.VideoWriter(保存路径, fourcc, fps, (width,height))` 视频写入器构造函数

参数逐项解析：

'../data/4.mp4'：输出视频相对路径；data 文件夹不存在会录制失败
fourcc：第一步生成的编码标识符
20.0：录制帧率 20fps，要和摄像头实际帧率匹配，画面才不会变速
(w, h)：输出视频分辨率，必须和写入的 frame 尺寸完全一致，否则保存黑屏

返回值

vw视频写入对象，所有保存操作依赖该对象。

三、红框 3：`vw.write(frame)`

作用

将单帧图像矩阵写入视频文件流，循环执行即可拼接成完整视频。

要求

传入的frame必须是 BGR 三通道图像，尺寸严格等于VideoWriter初始化设置的(w,h)。

四、红框 4：`vw.release()`

核心作用

关闭视频文件流，完成文件封装、写入磁盘缓存； ⚠️ 必写：不调用该函数，视频文件会损坏、无法打开。

7.设置鼠标监听事件

一、红框 1：鼠标回调函数 `def mouse_callback(event, x, y, flags, userdata)`

函数固定参数（5 个参数顺序不可改变）

event：鼠标事件类型（整数常量）

表格

常量	含义
`cv2.EVENT_LBUTTONDOWN`	左键按下
`cv2.EVENT_RBUTTONDOWN`	右键按下
`cv2.EVENT_MBUTTONDOWN`	中键按下
`cv2.EVENT_MOUSEMOVE`	鼠标移动
`cv2.EVENT_LBUTTONUP`	左键松开
`cv2.EVENT_MOUSEWHEEL`	滚轮滚动

x, y：鼠标当前在窗口图像上的像素坐标
flags：按键标记，判断是否按住 Ctrl/Shift/ 鼠标左右键等组合操作
userdata：setMouseCallback 传入的自定义额外参数，无需求可传None

代码作用

触发鼠标动作时自动执行此函数，示例中直接打印所有参数查看鼠标状态。

二、红框 2：绑定鼠标回调 `cv2.setMouseCallback(windowName, mouse_callback, param=None)`

参数解析

windowName：要监听鼠标的窗口名称，必须和namedWindow创建的窗口名完全一致（图中mouse）
mouse_callback：自定义鼠标回调函数名（无需加括号，只传函数引用）
param（可选）：传给回调函数第 5 个参数userdata的自定义数据

核心功能

将自定义鼠标处理函数和指定窗口绑定，窗口内所有鼠标动作都会自动触发回调函数。

三、红框 3：创建空白画布 `img = np.zeros((600, 800, 3), dtype=np.uint8)`

依赖 numpy 库生成黑色图像矩阵，作为鼠标操作的背景面板：

(600, 800, 3)：形状 (高度h, 宽度w, 通道数)，600 行 800 列 3 通道彩色图
np.uint8：像素数据类型，取值 0~255，OpenCV 图像标准类型
np.zeros：全部像素初始化为 0，即纯黑色画布

8.创建trackbar函数

一、第一组红框：`cv2.createTrackbar()` 创建滑动条

函数语法

python

运行

复制代码

cv2.createTrackbar(trackbarName, windowName, value, count, onChange)

参数拆解

trackbarName：滑动条名称（图中R/G/B，用于后续读取数值）
windowName：绑定到的窗口名称，必须和namedWindow窗口名完全一致（图中trackbar）
value：滑动条初始默认值（代码截图省略，一般填 0）
count：滑动条最大值，调色场景固定 255（像素 0~255）
onChange：滑动拖动时触发的回调函数，代码中传入callback空函数pass

作用

在指定窗口顶部生成可视化拖动滑块，用于动态调节数值。

二、第二组红框：`img = np.zeros((512, 512, 3), np.uint8)` 创建调色画布

基于 NumPy 生成彩色黑色底板：

(512, 512, 3)：(高度,宽度,通道数)，512×512 三通道彩色图
np.uint8：像素标准数据类型，取值 0~255
初始全 0，默认纯黑色，后续用滑动条 RGB 数值覆盖底色

三、第三组红框：`cv2.getTrackbarPos()` 读取滑块数值

函数语法

python

运行

复制代码

val = cv2.getTrackbarPos(trackbarname, winname)

参数拆解

trackbarname：滑动条名称，和createTrackbar第一个参数对应（R/G/B）
winname：窗口名称

返回值

当前滑块拖动到的整数数值（0~255）

代码逻辑

python

运行

复制代码

r = cv2.getTrackbarPos('R','trackbar')
g = cv2.getTrackbarPos('G','trackbar')
b = cv2.getTrackbarPos('B','trackbar')

实时获取红、绿、蓝三个通道的滑块值。

四、第四组红框：画布赋值与窗口渲染

python

运行

复制代码

img[:] = np.array([b, g, r])
cv2.imshow('trackbar', img)

img[:] = np.array([b,g,r]) OpenCV 图像通道顺序是BGR，所以赋值顺序为蓝、绿、红；整幅画布所有像素统一设置为当前滑块组合的颜色。
cv2.imshow：循环刷新窗口，实时展示调色后的画布。

9.颜色空间转换

复制代码

import cv2
# 滑动条必填空回调
def callback(val):
    pass
# 1. 创建窗口+读取图片
cv2.namedWindow('color', cv2.WINDOW_NORMAL)
img = cv2.imread('../data/1.png')
# 判空，防止图片找不到报错
if img is None:
    print("图片文件不存在！")
    exit()

# 2. 定义所有颜色转换规则
colorspaces = [
    cv2.COLOR_BGR2RGBA,
    cv2.COLOR_BGR2BGRA,
    cv2.COLOR_BGR2GRAY,
    cv2.COLOR_BGR2HSV,
    cv2.COLOR_BGR2YUV
]

# 3. 创建滑动条 范围0~4
cv2.createTrackbar('curcolor', 'color', 0, 4, callback)

# 4. 循环切换颜色空间
while True:
    index = cv2.getTrackbarPos('curcolor', 'color')
    # 颜色转换核心
    cvt_img = cv2.cvtColor(img, colorspaces[index])
    cv2.imshow('color', cvt_img)

    key = cv2.waitKey(10)
    if key & 0xFF == ord('a'):
        break

cv2.destroyAllWindows()

二、颜色空间转换常量数组

python

运行

复制代码

# 定义列表，存放5种BGR转其他空间的转换标识
colorspaces = [
    cv2.COLOR_BGR2RGBA,   # 0：BGR → RGBA（带透明通道4通道）
    cv2.COLOR_BGR2BGRA,   # 1：BGR → BGRA（自带透明通道4通道）
    cv2.COLOR_BGR2GRAY,   # 2：BGR → 灰度单通道
    cv2.COLOR_BGR2HSV,    # 3：BGR → HSV（色相饱和度，图像分割常用）
    cv2.COLOR_BGR2YUV     # 4：BGR → YUV（视频、摄像头图像处理）
]

列表下标 0、1、2、3、4 对应 5 种转换方式，后面用滑动条数值选取。

三、创建滑动条 Trackbar

python

运行

复制代码

# 创建名为curcolor的滑块，绑定color窗口
# 初始值0，最大值4，拖动触发callback函数
cv2.createTrackbar('curcolor', 'color', 0, 4, callback)

最大值设为 4，刚好匹配数组colorspaces长度（下标 0~4），拖动滑块取值对应转换方式。
callback：必须提前定义空回调函数，示例最简写法：def callback(val): pass

四、循环核心逻辑（滑动条联动颜色转换）

python

运行

复制代码

while True:
    # 1. 获取当前滑块数值 0~4
    index = cv2.getTrackbarPos('curcolor', 'color')
    
    # 2. 核心API：cv2.cvtColor 颜色空间转换
    cvt_img = cv2.cvtColor(img, colorspaces[index])
    
    # 3. 渲染转换后的图像
    cv2.imshow('color', cvt_img)
    
    # 等待10ms按键输入
    key = cv2.waitKey(10)
    print(key)
    # 按下a键退出循环
    if key & 0xFF == ord('a'):
        break

核心 API：`cv2.cvtColor(src, code)`

src ：原始图像（这里是读取的 BGR 原图img）
code ：转换编码（列表colorspaces里的常量）
返回值：转换后新图像矩阵cvt_img

滑动条联动逻辑

滑块拖到 0 → colorspaces[0] → COLOR_BGR2RGBA
滑块拖到 2 → colorspaces[2] → COLOR_BGR2GRAY 灰度图
滑块拖到 3 → colorspaces[3] → HSV 颜色空间

各个颜色空间作用通俗解释

表格

转换常量	输出通道	用途
COLOR_BGR2RGBA	4 通道 (R+G+B + 透明)	前端图片、透明贴图
COLOR_BGR2BGRA	4 通道 (B+G+R + 透明)	OpenCV 原生透明图
COLOR_BGR2GRAY	单通道灰度	轮廓检测、人脸识别、简化计算
COLOR_BGR2HSV	3 通道 (H 色相，S 饱和度，V 明度)	颜色筛选、目标跟踪（提取红色 / 蓝色物体）
COLOR_BGR2YUV	3 通道 (Y 亮度，U/V 色度)	摄像头、视频流处理，降低亮度干扰

效果如图所示

10.深拷贝与浅拷贝

1. 浅拷贝（你的代码 `image2 = image`）

python

运行

复制代码

image2 = image

只复制栈内存的引用指针，不会新开像素存储内存；
image 和 image2 指向同一块像素堆内存；
任意一个变量修改像素，另一个同步变化；
开销极小，只复制表头信息，不复制图像像素。

流程图：

plaintext

复制代码

image 指针 ──┐
             ├─→ 同一份像素数据内存
image2指针 ──┘

2. 深拷贝（完全独立新图像）

使用 .copy() 方法开辟全新像素内存：

python

运行

复制代码

image2 = image.copy()

复制栈表头信息 + 完整复制堆里全部像素数据；
image 和 image2 是两块完全独立内存；
修改任意一张图，另一张完全不受影响；
开销更大，大图复制会占用双倍内存。

11.通道的分割与合并

cv2.line 官方函数原型

python

运行

复制代码

cv2.line(img, pt1, pt2, color, thickness=None, lineType=None, shift=None)

逐个参数拆解：

1. img

类型：numpy.ndarray（OpenCV 图像数组）
含义：要绘制线条的目标图像画布，绘图会直接修改这张图（浅拷贝原地修改）
你的代码：img = np.zeros((512,512,3), np.uint8) 黑色画布作为绘图载体

2. pt1

类型：元组 (x1, y1)
含义：直线起点坐标
图像坐标系规则：
- 图片左上角是原点 (0,0)
- x 轴：水平向右（列）
- y 轴：垂直向下（行）
你的代码：(100, 100) → 起点：横向 100，纵向 100

3. pt2

类型：元组 (x2, y2)
含义：直线终点坐标
你的代码：(200, 200) → 终点：横向 200，纵向 200

4. color

类型：元组 (B, G, R)
重点：OpenCV 颜色通道顺序是 BGR，不是 RGB！
你的代码：(0,0,255)
- B=0，G=0，R=255 → 纯红色线条
- 举例：(255,0,0)= 蓝色，(0,255,0)= 绿色，(255,255,255)= 白色

5. thickness

类型：整数
含义：线条粗细像素值
你的代码：5 → 线条宽度 5 个像素
补充：如果填负数，不会变成空心，line()仅支持实线粗细，填充图形（矩形 / 圆）才支持 - 1 填充。

6. lineType（你代码里传的 4）

线条渲染类型，抗锯齿 / 普通直线模式：

表格

参数值	常量名	效果说明
4	`cv2.LINE_4`	4 连通直线，锯齿明显，速度快
8	`cv2.LINE_8`	8 连通直线，默认值，锯齿轻微
16	`cv2.LINE_AA`	抗锯齿直线，线条最平滑，计算稍慢

你代码里写 4 = cv2.LINE_4，使用 4 邻域插值绘制直线。

7. shift（可选，你没传）

坐标小数精度缩放，默认 0；用于亚像素高精度绘图，日常开发几乎不用。

12.画椭圆

cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness, lineType, shift)

1. `img`

含义：画布图像，numpy.ndarray 数组
作用：椭圆 / 椭圆弧会直接绘制在这张图上，原地修改。

2. `中心点 center`

格式：元组 (x, y)
含义：椭圆几何中心的像素坐标，图像坐标系原点在左上角，x 向右、y 向下。

3. `长宽的一半 axes`

格式：元组 (半长轴, 半短轴)
关键点：是轴长的一半（半径），不是完整直径
- axes=(100,50) → 椭圆完整宽度 200，高度 100。

4. `角度 angle`

单位：度（°）

含义：椭圆整体绕中心点逆时针旋转的角度。
示例：angle=30 → 椭圆本体倾斜 30 度。

5. `从哪个角度开始 startAngle`

6. `到哪个角度结束 endAngle`

单位：度（°），用来控制绘制一段椭圆弧，而非完整椭圆

基准 0°：旋转后椭圆的右侧水平端点（x 轴正方向）
绘制方向：从 startAngle 逆时针走到 endAngle
- startAngle=0, endAngle=360：绘制完整闭合椭圆
- startAngle=0, endAngle=180：只画上半椭圆弧

后置可选参数（图片未标出）

color：绘制颜色，单通道灰度填数值，彩色图填 (B,G,R)
thickness：轮廓线宽度
- 正数：空心轮廓；-1/cv2.FILLED：填充椭圆
lineType：线条抗锯齿类型（默认 8 邻域）
shift：坐标小数精度，日常绘图填 0 即可

13.绘制多边形

函数原型（Python）

python

运行

复制代码

cv2.polylines(img, pts, isClosed, color, thickness, lineType, shift)

图片中标注了前 4 个核心参数，后面为可选绘图参数。

参数逐句对应解析

1. `img`

画布图像（numpy 数组），绘制的折线 / 多边形会直接修改该图像。

2. `pts` 点集

格式要求：三维数组 [[[x1,y1],[x2,y2],[x3,y3]]]，支持同时绘制多个多边形（多组点嵌套）
含义：按顺序连接的顶点坐标列表，绘图顺序严格按照数组内点的先后顺序连线。

3. `isClosed` 是否闭环

True：自动把最后一个顶点和第一个顶点相连，形成闭合多边形
False：仅按顺序连接顶点，只绘制开放折线，首尾不相连

4. `color` 颜色

彩色图像传入 (B, G, R) 元组；灰度图传入单通道数值。

末尾可选参数（`...` 省略部分）

thickness：线条宽度，只能为正数 ，该函数无法填充图形（填充多边形使用 cv2.fillPoly()）
lineType：线条渲染类型，默认 8 邻域，cv2.LINE_AA 开启抗锯齿
shift：坐标小数精度，常规绘图填 0 即可

14.绘制文本

完整函数原型（Python）

python

运行

复制代码

cv2.putText(img, text, org, fontFace, fontScale, color, thickness, lineType, bottomLeftOrigin)

图片中标注了前 5 个核心参数，剩余为可选参数。

参数逐段对应解析

1. `img`

画布图像（numpy 数组），文字会直接绘制在该图像上，原地修改。

2. `text` 字符串

需要绘制的文字内容； ⚠️ 限制：OpenCV 原生仅支持英文、数字、符号，直接传入中文会乱码，中文需借助 PIL 或加载自定义字体实现。

3. `org` 启始点

坐标元组 (x, y)；坐标系规则：默认该点是文字左下角（图像原点左上角，x 向右、y 向下）。

4. `fontFace` 字体

OpenCV 内置字体常量，常用值：

cv2.FONT_HERSHEY_SIMPLEX：常规无衬线字体
cv2.FONT_HERSHEY_PLAIN：小号细字体
cv2.FONT_HERSHEY_DUPLEX：加粗字体
cv2.FONT_HERSHEY_SCRIPT_SIMPLEX：手写花体

5. `fontScale` 字号

字体缩放系数，浮点数；

1.0 = 默认标准大小
>1 放大文字，<1 缩小文字

图片省略的可选参数

color：文字颜色，彩色图传 (B,G,R)，灰度图传单数值
thickness：文字线条粗细，正数；填 -1 无填充效果
lineType：线条抗锯齿，推荐 cv2.LINE_AA 消除锯齿
bottomLeftOrigin：布尔值，默认False；设为True时，org变为文字左上角基准点

15.综合案例

复制代码

import math

import cv2
import numpy as np

'''
基本功能：
1.按住l键，可以画线
2.按住r键盘，可以画矩形
3.按下c键，可以画圆
'''
curshape = 0
startpos = (0,0)
#创建面板
cv2.namedWindow('drawshape', cv2.WINDOW_NORMAL)
#显示窗口和背景
img = np.zeros((600, 800, 3), dtype=np.uint8)
#设置回调函数
def mouse_callback(event, x, y, flags, userdata):
    global startpos, curshape, img
    if event == cv2.EVENT_LBUTTONDOWN:
        startpos = (x,y)
    elif event == cv2.EVENT_LBUTTONUP:
        if curshape ==0:
            cv2.line(img,startpos,(x,y),(0,0,255))
        elif curshape ==1:
            cv2.rectangle(img,startpos,(x,y),(0,0,255))
        elif curshape ==2:
            a=x-startpos[0]
            b=y-startpos[1]
            r=int(math.sqrt(a**2+b**2))
            cv2.circle(img,startpos,r,(0,0,255))
    # print(event,x,y,flags,userdata)
# 设置鼠标回调函数
cv2.setMouseCallback('drawshape', mouse_callback)

while True:
    cv2.imshow('drawshape',img)
    key=cv2.waitKey(1) & 0xFF
    if key == ord('q'):
        break
    elif key == ord('l'):
        curshape = 0
    elif key == ord('r'):
        curshape = 1
    elif key == ord('c'):
        curshape = 2


cv2.destroyAllWindows()

1. 为什么只执行一次就永久监听？

这个函数的作用是注册绑定：

你告诉 OpenCV：名为drawshape的窗口，后续所有鼠标动作，统一交给mouse_callback函数处理；
注册完成后，OpenCV 内部会单独维护一套鼠标消息监听机制，和你的while主循环完全分开；
只要窗口不关闭，鼠标事件会持续自动触发回调，不需要重复注册。

如果错误放进 while 循环会发生什么？

python

运行

复制代码

# 错误写法，千万不要这么写
while True:
    cv2.setMouseCallback('drawshape', mouse_callback)
    cv2.imshow(...)

每 1ms 就重复绑定一次回调，造成：

资源冗余，程序卡顿；
多次重复绑定，鼠标一次动作会多次执行绘图逻辑；
无任何收益，纯浪费性能。

2. 两种监听的核心区别（帮你巩固理解）

鼠标监听（setMouseCallback）

模式：事件驱动、被动监听
执行时机：程序启动只调用 1 次注册；鼠标操作时系统自动调用回调
位置：写在while True循环外部

键盘监听（cv2.waitKey）

如果错误放进 while 循环会发生什么？

python

运行

复制代码

# 错误写法，千万不要这么写
while True:
    cv2.setMouseCallback('drawshape', mouse_callback)
    cv2.imshow(...)

每 1ms 就重复绑定一次回调，造成：

2. 两种监听的核心区别（帮你巩固理解）

鼠标监听（setMouseCallback）

键盘监听（cv2.waitKey）

模式：轮询、主动查询
执行时机：必须放在循环内部，每隔 1ms 主动询问一次键盘有没有按键
位置：写在while True循环内部

1. 为什么只执行一次就永久监听？

这个函数的作用是注册绑定：
你告诉 OpenCV：名为drawshape的窗口，后续所有鼠标动作，统一交给mouse_callback函数处理；
注册完成后，OpenCV 内部会单独维护一套鼠标消息监听机制，和你的while主循环完全分开；
只要窗口不关闭，鼠标事件会持续自动触发回调，不需要重复注册。
资源冗余，程序卡顿；
多次重复绑定，鼠标一次动作会多次执行绘图逻辑；
无任何收益，纯浪费性能。
模式：事件驱动、被动监听
执行时机：程序启动只调用 1 次注册；鼠标操作时系统自动调用回调
位置：写在while True循环外部
模式：轮询、主动查询
执行时机：必须放在循环内部，每隔 1ms 主动询问一次键盘有没有按键
位置：写在while True循环内部

1.创建和显示窗口

1. cv2.namedWindow(winname, flags)

2. cv2.resizeWindow(winname, width, height)

3. cv2.imshow(winname, mat)

4. cv2.waitKey(delay)

5. cv2.destroyWindow(winname) / cv2.destroyAllWindows()

2.图片的读取

3.图片的保存

函数作用

语法

返回值

4.视频的采集

语法与参数

关键判断方法

ret, frame = cap.read()

5.视频文件的读取

6.视频的录制以及保存

一、红框 1：cv2.VideoWriter_fourcc(*'mp4v')

作用

参数说明

返回值

二、红框 2：获取摄像头分辨率 + cv2.VideoWriter()

1. 分辨率读取 API cap.get()

2. cv2.VideoWriter(保存路径, fourcc, fps, (width,height)) 视频写入器构造函数

返回值

三、红框 3：vw.write(frame)

作用

要求

四、红框 4：vw.release()

核心作用

7.设置鼠标监听事件

一、红框 1：鼠标回调函数 def mouse_callback(event, x, y, flags, userdata)

函数固定参数（5 个参数顺序不可改变）

代码作用

二、红框 2：绑定鼠标回调 cv2.setMouseCallback(windowName, mouse_callback, param=None)

参数解析

核心功能

三、红框 3：创建空白画布 img = np.zeros((600, 800, 3), dtype=np.uint8)

8.创建trackbar函数

一、第一组红框：cv2.createTrackbar() 创建滑动条

函数语法

参数拆解

作用

二、第二组红框：img = np.zeros((512, 512, 3), np.uint8) 创建调色画布

三、第三组红框：cv2.getTrackbarPos() 读取滑块数值

函数语法

参数拆解

返回值

代码逻辑

四、第四组红框：画布赋值与窗口渲染

9.颜色空间转换

二、颜色空间转换常量数组

三、创建滑动条 Trackbar

四、循环核心逻辑（滑动条联动颜色转换）

核心 API：cv2.cvtColor(src, code)

滑动条联动逻辑

10.深拷贝与浅拷贝

1. 浅拷贝（你的代码 image2 = image）

2. 深拷贝（完全独立新图像）

11.通道的分割与合并

cv2.line 官方函数原型

1. img

2. pt1

3. pt2

4. color

5. thickness

6. lineType（你代码里传的 4）

7. shift（可选，你没传）

12.画椭圆

1. img

2. 中心点 center

3. 长宽的一半 axes

4. 角度 angle

5. 从哪个角度开始 startAngle

6. 到哪个角度结束 endAngle

后置可选参数（图片未标出）

13.绘制多边形

函数原型（Python）

参数逐句对应解析

1. `cv2.namedWindow(winname, flags)`

2. `cv2.resizeWindow(winname, width, height)`

3. `cv2.imshow(winname, mat)`

4. `cv2.waitKey(delay)`

5. `cv2.destroyWindow(winname)` / `cv2.destroyAllWindows()`

`2.图片的读取`

`ret, frame = cap.read()`

一、红框 1：`cv2.VideoWriter_fourcc(*'mp4v')`

二、红框 2：获取摄像头分辨率 + `cv2.VideoWriter()`

1. 分辨率读取 API `cap.get()`

2. `cv2.VideoWriter(保存路径, fourcc, fps, (width,height))` 视频写入器构造函数

三、红框 3：`vw.write(frame)`

四、红框 4：`vw.release()`

一、红框 1：鼠标回调函数 `def mouse_callback(event, x, y, flags, userdata)`

二、红框 2：绑定鼠标回调 `cv2.setMouseCallback(windowName, mouse_callback, param=None)`

三、红框 3：创建空白画布 `img = np.zeros((600, 800, 3), dtype=np.uint8)`

一、第一组红框：`cv2.createTrackbar()` 创建滑动条

二、第二组红框：`img = np.zeros((512, 512, 3), np.uint8)` 创建调色画布

三、第三组红框：`cv2.getTrackbarPos()` 读取滑块数值

核心 API：`cv2.cvtColor(src, code)`

1. 浅拷贝（你的代码 `image2 = image`）

1. `img`

2. `中心点 center`

3. `长宽的一半 axes`

4. `角度 angle`

5. `从哪个角度开始 startAngle`

6. `到哪个角度结束 endAngle`

1. `img`

2. `pts` 点集

3. `isClosed` 是否闭环

4. `color` 颜色

末尾可选参数（`...` 省略部分）

1. `img`

2. `text` 字符串

3. `org` 启始点

4. `fontFace` 字体

5. `fontScale` 字号