【OpenCV 入门到精通 05】核心操作与像素处理：ROI、运算与性能优化

标签：OpenCV ROI 图像运算 位运算 性能优化 NumPy

难度：⭐⭐ | 阅读时长 ：约 60 分钟 | 系列：第 05/12 集

前置：04 视频与绘图 | 下一集 ：06 颜色与几何

写在前面

掌握像素级操作是图像处理的根基。本集对应官方 3_1 图像基本操作、3_2 图像运算、3_3 性能优化，涵盖 ROI、通道分离、算术/位运算和性能调优。

本集学习目标

使用 ROI 裁剪和操作图像区域
进行通道分离与合并
掌握图像算术运算和位运算
了解 OpenCV 性能优化技巧

文章目录

[【OpenCV 入门到精通 05】核心操作与像素处理：ROI、运算与性能优化](#【OpenCV 入门到精通 05】核心操作与像素处理：ROI、运算与性能优化)
- 写在前面
- 本集学习目标
- [5.1 ROI 区域操作](#5.1 ROI 区域操作)
- - 粘贴小图到大图
- [5.2 通道分离与合并](#5.2 通道分离与合并)
- [5.3 图像算术运算](#5.3 图像算术运算)
- [5.4 位运算](#5.4 位运算)
- [5.5 性能优化](#5.5 性能优化)
- - [1. 避免频繁 split/merge](#1. 避免频繁 split/merge)
  - [2. 使用 numpy 向量化](#2. 使用 numpy 向量化)
  - [3. 测量执行时间](#3. 测量执行时间)
  - [4. 使用合适数据类型](#4. 使用合适数据类型)
- [5.6 踩坑指南](#5.6 踩坑指南)
- [5.7 本集小结](#5.7 本集小结)

5.1 ROI 区域操作

ROI（Region of Interest）= 感兴趣区域。

python 复制代码

import cv2

img = cv2.imread("photo.jpg")
# 裁剪 ROI：注意 [y1:y2, x1:x2]
roi = img[100:300, 200:400]

# 修改 ROI 会影响原图（共享内存）
roi[:] = (0, 255, 0)

# 安全复制
roi_copy = img[100:300, 200:400].copy()

粘贴小图到大图

python 复制代码

img = cv2.imread("background.jpg")
logo = cv2.imread("logo.png")
lh, lw = logo.shape[:2]
img[50:50+lh, 100:100+lw] = logo

5.2 通道分离与合并

python 复制代码

b, g, r = cv2.split(img)
zeros = np.zeros(b.shape, dtype=np.uint8)

# 只显示红色通道
red_only = cv2.merge([zeros, zeros, r])

# 更快的方式
img[:,:,0] = 0  # 蓝色通道置零
img[:,:,1] = 0  # 绿色通道置零

操作	函数
分离	`cv2.split(img)` → B, G, R
合并	`cv2.merge([b,g,r])`
颜色转换	`cv2.cvtColor(img, flag)`

5.3 图像算术运算

python 复制代码

import cv2
import numpy as np

img1 = cv2.imread("a.jpg")
img2 = cv2.imread("b.jpg")

# 加法（饱和到 255）
result = cv2.add(img1, img2)

# 加权混合（透明度）
blended = cv2.addWeighted(img1, 0.7, img2, 0.3, 0)

# 标量运算
bright = cv2.add(img1, np.ones(img1.shape, dtype=np.uint8) * 50)

运算	OpenCV 函数	NumPy	区别
加法	`cv2.add`	`img1+img2`	cv2 饱和截断，numpy 取模
减法	`cv2.subtract`	`img1-img2`	同上
乘法	`cv2.multiply`	`img1*img2`	同上
混合	`cv2.addWeighted`	-	加权求和

⚠️ 图像运算要求两图 尺寸相同。

5.4 位运算

用于掩码操作、图像合成：

python 复制代码

# 创建掩码
mask = np.zeros(img.shape[:2], dtype=np.uint8)
cv2.rectangle(mask, (100,100), (300,300), 255, -1)

# 按位与：提取 ROI
roi = cv2.bitwise_and(img, img, mask=mask)

# 按位或：合并
combined = cv2.bitwise_or(img1, img2)

# 按位非：反转
inverted = cv2.bitwise_not(img)

运算	作用
`bitwise_and`	提取掩码区域
`bitwise_or`	合并图像
`bitwise_xor`	差异检测
`bitwise_not`	反转

5.5 性能优化

1. 避免频繁 split/merge

python 复制代码

# 慢
b, g, r = cv2.split(img)
b[:] = 0
img = cv2.merge([b, g, r])

# 快
img[:,:,0] = 0

2. 使用 numpy 向量化

python 复制代码

# 慢：逐像素循环
for i in range(h):
    for j in range(w):
        img[i,j] = img[i,j] * 1.5

# 快：向量化
img = np.clip(img.astype(np.float32) * 1.5, 0, 255).astype(np.uint8)

3. 测量执行时间

python 复制代码

import time

start = time.time()
# ... 你的代码 ...
print(f"耗时: {(time.time()-start)*1000:.2f} ms")

# OpenCV 内置
e1 = cv2.getTickCount()
# ... 代码 ...
e2 = cv2.getTickCount()
time_ms = (e2 - e1) / cv2.getTickFrequency() * 1000

4. 使用合适数据类型

场景	推荐 dtype
显示/存储	uint8
中间计算	float32 / float64
避免	频繁 uint8↔float 转换

5.6 踩坑指南

坑	解决
ROI 修改影响原图	用 `.copy()`
add 结果异常	用 cv2.add 而非 +
两图尺寸不同	先 resize 到相同尺寸
运算溢出	cv2 函数自动饱和到 0~255

5.7 本集小结

主题	核心
ROI	`img[y1:y2, x1:x2]`
通道	`split` / `merge` / `cvtColor`
运算	`add` `addWeighted` `subtract`
位运算	`bitwise_and/or/not` + mask
性能	向量化、避免循环、测时间

← 第04集	第06集：颜色与几何 →

参考：3_1 图像基本操作 | 3_3 性能优化