python编程学习书别不信100行代码带你玩转OpenCV-Python基础API

发布时间：2026-07-02阅读(0)

导读做计算机视觉无论如何都绕不开的一个框架就是OpenCV，可以毫不夸张的说，github上每个开源的视觉项目的安装列表中都有OpenCV框架。很多人第一次接触....

做计算机视觉无论如何都绕不开的一个框架就是OpenCV，可以毫不夸张的说，github上每个开源的视觉项目的安装列表中都有OpenCV框架。很多人第一次接触OpenCV都是从OpenCV-Python版本SDK开始的，本文就以最新版本的OpenCV4.1.0为例，通过代码带领大家简单粗暴的入门OpenCV-Python编程实践。

安装OpenCV-Python

只需要执行如下一条命令行即可

pipinstallopencv-python

如果想连扩展模块一起安装，执行如下命令行

pipinstallopencv-contrib-python

更多请参考这里

https://pypi.org/project/opencv-python/

代码演示部分

涵盖OpenCV图像处理最高频次使用API与常见各种使用技巧。

导入CV模块

importcv2ascvimportnumpyasnp

解释：这个是因为OpenCV在python语言中的所有图像数据都是以numpy的数组形式组织存储。所以必须安装numpy依赖支持，导入以备后用。

加载与现实图像

src=cv.imread("D:/images/lena.jpg")cv.namedWindow("input",cv.WINDOW_AUTOSIZE)cv.imshow("input",src)

解释：千万别给中文路径，不支持的，默认加载图像彩色，通道顺序BGR。

转换为灰度

gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)cv.imshow("gray",gray)print(src.shape)print(gray.shape)

解释：支持各种色彩空间转换，可以转换到灰度，hsv、YCrCb、LAB等常见色彩空间，图像的宽、高、通道数，可以通过src.shape得到。

创建空白图像

black=np.zeros_like(src)cv.imshow("black",black)

解释：创建一张与src大小与数据类型一致的图像，但是像素值全部为0，黑色背景图像。

调节亮度

black[:,:,:]=50lighter=cv.add(src,black)darker=cv.subtract(src,black)cv.imshow("lightness",lighter)cv.imshow("darkness",darker)

解释：过像素操作实现图像亮度调整，本质是调整图像的RGB值

调节对比度

dst=cv.addWeighted(src,1.2,black,0.0,0)cv.imshow("contrast",dst)

解释：通过权重的图像相加实现图像对比度调整，这里要特别注意，两幅图像的大小与数据类型必须完全一致。

放大/缩小图像

#scaleh,w,c=src.shapedst=cv.resize(src,(h//2,w//2))cv.imshow("resize-image",dst)

解释：图像放缩支持常见的插值方式，最近邻，线性，双立方等。

翻转

#左右翻转dst=cv.flip(src,1)cv.imshow("flip",dst)#上下翻转dst=cv.flip(src,0)cv.imshow("flip0",dst)

解释：图像的镜像翻转支持，水平与垂直

旋转

M=cv.getRotationMatrix2D((w//2,h//2),45,1)dst=cv.warpAffine(src,M,(w,h))cv.imshow("rotate",dst)

解释：图像的旋转支持，基于放射变换，M = 2x3的变换矩阵

色彩变换

#HSVhsv=cv.cvtColor(src,cv.COLOR_BGR2HSV)cv.imshow("hsv",hsv)#色彩表-支持14种色彩变换dst=cv.applyColorMap(src,cv.COLORMAP_AUTUMN)cv.imshow("colortable",dst)

解释：支持图像常见的14种查找表色彩匹配与风格变化，是自带的14种色彩滤镜

模糊

blur=cv.blur(src,(15,15))cv.imshow("blur",blur)

解释：图像卷积模糊操作，卷积核大小为15x15

高斯模糊

gblur=cv.GaussianBlur(src,(0,0),15)cv.imshow("gaussianblur",gblur)

解释：图像高斯模糊操作，sigma = 15

自定义滤波器

k=np.ones(shape=[5,5],dtype=np.float32)/25dst=cv.filter2D(src,-1,k)cv.imshow("customblur",dst)

解释：图像自定义滤波操作，定义不同的滤波器，得到不同的滤波效果，这里是均值滤波，模糊操作。

高斯双边滤波

dst=cv.bilateralFilter(src,0,100,10)cv.imshow("bi-filter",dst)

解释：边缘保留滤波算法的一种，OpenCV还支持其它的边缘保留滤波算法。

图像梯度

dx=cv.Sobel(src,cv.CV_32F,1,0)dy=cv.Sobel(src,cv.CV_32F,0,1)dx=cv.convertScaleAbs(dx)dy=cv.convertScaleAbs(dy)cv.imshow("grad-x",dx)cv.imshow("grad-y",dy)

解释：图像梯度提取，基于一阶导数算子Sobel

边缘检测

edge=cv.Canny(src,100,300)cv.imshow("edge",edge)

解释：图像边缘提取，Canny是经典的图像边缘提取算法。100表示低阈值，300表示高阈值。

直方图均衡化

eh=cv.equalizeHist(gray)cv.imshow("eh",eh)

解释：图像直方图均衡化，是图像直方图应用之一，其它还有直方图匹配，直方图相似度，直方图反向投影等。这里的均衡化是全局均衡化，对应还有局部自适应的直方图均衡化方法。

角点检测

corners=cv.goodFeaturesToTrack(gray,100,0.05,10)#print(len(corners))forptincorners:#print(pt)b=np.random.random_integers(0,256)g=np.random.random_integers(0,256)r=np.random.random_integers(0,256)x=np.int32(pt[0][0])y=np.int32(pt[0][1])cv.circle(src,(x,y),5,(int(b),int(g),int(r)),2)cv.imshow("cornersdetection",src)

解释：基于shi-tomas角点检测算法

二值化加载图像

src=cv.imread("D:/images/zsxq/zsxq_12.jpg")gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)cv.imshow("binaryinput",gray)

解释：加载二值化操作测试图像

固定阈值

ret,binary=cv.threshold(gray,127,255,cv.THRESH_BINARY)cv.imshow("binary",binary)

解释：手动指定阈值为127，THRESH_BINARY表示大于127为白色，反之为黑色。

全局阈值

ret,binary=cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)cv.imshow("otsu",binary)

解释：自动计算阈值，基于全局直方图信息

自适应阈值

binary=cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY_INV,25,10)cv.imshow("ada",binary)

解释：自适应阈值计算方法，支持高斯与盒子两种方式。

轮廓分析

contours,hireachy=cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)result=np.zeros_like(src)forcntinrange(len(contours)):cv.drawContours(result,contours,cnt,(0,0,255),2,8)cv.imshow("contour",result)

解释：二值图像的轮廓与结构分析API，演示，这里只是获取了最外层轮廓。