opencv-python,一个图像处理强悍的 Python 库!

# opencv-python，一个图像处理强悍的 Python 库！

很多小伙伴平时处理图片，第一反应都是打开修图软件，单张调个色、裁个图还行，要是几十上百张图片要批量处理，手动操作能累到眼花。我当初刚接触图像处理的时候，就被opencv-python惊艳到了——它是Python里大名鼎鼎的计算机视觉库，处理图片强悍又高效，几行代码就能实现裁剪、调色、特效、边缘识别等各种操作。今天猫哥就带大家从零入门，掌握最实用的核心操作，看完就能上手玩起来。

## 一、安装导入：一键开启图像处理之旅
opencv-python是第三方库，需要先安装。大家打开终端，输入一行pip命令就能完成安装：

```python
# 安装opencv-python
pip install opencv-python

安装完成后，导入的时候注意啦，库名虽然叫opencv-python，但导入时的名字是cv2，这是很多新手第一次用都会踩的小坑：

# 导入OpenCV库
import cv2

小贴士：下载慢的小伙伴可以加上清华镜像源，命令改成 pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple，速度会快很多。

二、图片的读取与显示：迈出第一步

处理图片的第一步，肯定是把图片读进程序里，再显示出来看看效果。OpenCV里对应三个核心函数，我们一个个说。

首先是读取图片，用cv2.imread()，括号里填图片的文件路径。然后显示图片用cv2.imshow()，第一个参数是窗口名字，第二个是我们读取的图片对象。

这里有个新手必踩的坑：只写imshow的话，窗口会一闪而过，根本看不清。所以必须搭配cv2.waitKey()和cv2.destroyAllWindows()，前者是等待用户按键，后者是用完关闭所有窗口。

完整代码示例：

import cv2

# 读取图片，替换成你自己的图片路径
img = cv2.imread("test.jpg")

# 显示图片，窗口标题为“原图”
cv2.imshow("原图", img)

# 等待按键，参数0表示无限等待，按任意键继续
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

注意事项：

1. 图片路径一定要写对，如果图片和代码在同一个文件夹，直接写文件名就行；否则要写完整路径。
2. 建议图片路径和文件名都用英文，部分旧版本OpenCV对中文路径支持不好，容易读取失败返回空值，导致后续代码报错。

三、3个基础操作：日常修图全够用

学会读取显示后，我们来学三个最常用的基础操作，日常处理图片基本都离不开它们。

3.1 转灰度图：简化图像信息

彩色图片是由蓝、绿、红三个颜色通道组成的，数据量很大。很多图像处理算法（比如识别文字、检测物体）都会先把图片转成灰度图，去掉颜色信息，只保留明暗亮度，既能减少计算量，又不影响核心特征识别。

用cv2.cvtColor()函数就能转换，参数cv2.COLOR_BGR2GRAY表示从BGR彩色转灰度：

import cv2

img = cv2.imread("test.jpg")
# 彩色图转灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.imshow("灰度图", gray_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

小贴士：OpenCV默认的彩色通道顺序是BGR（蓝绿红），和我们平时说的RGB顺序相反。不过只用OpenCV自带函数处理的话完全不用在意，只有搭配其他库显示图片时才需要转换顺序。

3.2 图片裁剪：精准截取指定区域

有时候我们只需要图片的一部分，比如截头像、扣取指定区域。在OpenCV里，图片本质上是一个numpy数组，我们直接用数组切片就能完成裁剪，非常方便。

注意切片顺序是[高度范围, 宽度范围]，也就是先选上下范围，再选左右范围：

import cv2

img = cv2.imread("test.jpg")
# 裁剪：行（高度）从100到300，列（宽度）从200到400
crop_img = img[100:300, 200:400]

cv2.imshow("裁剪后", crop_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.3 缩放图片：调整尺寸

做批量处理的时候，经常需要把图片统一成一样的大小，用cv2.resize()就能快速缩放。注意它的尺寸参数格式是(宽度, 高度)，和数组的“高宽”顺序刚好相反，别写反了哦。

import cv2

img = cv2.imread("test.jpg")
# 缩放到宽500，高300
resized_img = cv2.resize(img, (500, 300))

# 也可以按比例缩放，比如宽高都缩小一半
resized_img2 = cv2.resize(img, (0,0), fx=0.5, fy=0.5)

cv2.imshow("缩放后", resized_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、两个酷炫特效：上手就出效果

学会基础操作后，我们来玩两个很有成就感的特效，几行代码就能做出专业修图的效果。

4.1 高斯模糊：给图片加“磨砂滤镜”

高斯模糊是最常用的模糊效果，原理是让每个像素点和周围像素取平均值，让画面变得柔和。它可以用来给图片去噪、做磨皮效果，或者做背景虚化。

用cv2.GaussianBlur()实现，第二个参数是模糊核的大小，必须是奇数，数值越大模糊效果越强：

import cv2

img = cv2.imread("test.jpg")
# 高斯模糊，核大小(15,15)
blur_img = cv2.GaussianBlur(img, (15, 15), 0)

cv2.imshow("高斯模糊", blur_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

4.2 Canny边缘检测：秒变线稿风

边缘检测能自动找出图片里物体的轮廓线条，把彩色照片变成素描线稿的效果，是做物体识别、形状检测的基础步骤。OpenCV里的Canny算法效果好、参数简单，非常适合新手用。

两个阈值参数控制边缘的严格程度，数值越大，检测出的边缘越少：

import cv2

img = cv2.imread("test.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Canny边缘检测，两个数值是阈值
edge_img = cv2.Canny(gray_img, 50, 150)

cv2.imshow("边缘检测", edge_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

大家可以调整两个阈值的数值，看看边缘线条的变化，很有意思。

五、保存图片：把成果存下来

处理完的图片，我们用cv2.imwrite()保存到本地，第一个参数是保存的文件名，第二个是处理后的图片对象。这个功能是批量处理的核心，比如给100张图片统一改尺寸，循环处理完一键保存就行。

import cv2

img = cv2.imread("test.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 保存灰度图
cv2.imwrite("gray_test.jpg", gray_img)
print("图片保存成功！")

六、动手练一练：综合小案例

学到这里，我们来做个小练习，把今天的知识点串起来：读取一张图片，先转成灰度图，再做边缘检测，最后把结果保存成edge_result.jpg。

参考代码：

import cv2

# 1. 读取图片
img = cv2.imread("test.jpg")

# 2. 转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 3. 边缘检测
edge = cv2.Canny(gray, 60, 160)

# 4. 保存结果
cv2.imwrite("edge_result.jpg", edge)

# 5. 显示结果
cv2.imshow("最终效果", edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

大家可以自己换不同的阈值，调出你觉得最好看的线稿效果。

今天我们从安装导入开始，学习了图片的读取显示、转灰度、裁剪、缩放四个基础操作，还有高斯模糊和边缘检测两个实用特效，最后学会了保存处理后的图片。这些都是OpenCV最核心的入门技能，掌握之后你已经可以做批量改尺寸、批量转灰度、生成线稿图等很多实用的小工具了。

OpenCV的功能远不止这些，后续猫哥还会给大家分享人脸检测、图片加水印、视频处理等更多好玩的玩法。