歡迎大家來到“Python從零到壹”，在這里我將分享約200篇Python系列文章，帶大家一起去學習和玩耍，看看Python這個有趣的世界，所有文章都將結合案例、代碼和作者的經驗講解，真心想把自己近十年的編程經驗分享給大家，希望對您有所幫助，文章中不足之處也請海涵，Python系列整體框架包括基礎語法10篇、網路爬蟲30篇、可視化分析10篇、機器學習20篇、大資料分析20篇、影像識別30篇、人工智能40篇、Python安全20篇、其他技巧10篇，您的關注、點贊和轉發就是對秀璋最大的支持，知識無價人有情，希望我們都能在人生路上開心快樂、共同成長，

該系列文章主要講解Python OpenCV影像處理和影像識別知識，前期主要講解影像處理基礎知識、OpenCV基礎用法、常用影像繪制方法、影像幾何變換等，中期講解影像處理的各種運算，包括影像點運算、形態學處理、影像銳化、影像增強、影像平滑等，后期研究影像識別、影像分割、影像分類、影像特效處理以及影像處理相關應用，

上一篇文章介紹了影像處理基礎知識，這篇文章將詳細講解OpenCV入門知識，包括OpenCV常見資料型別、顯示影像、讀取像素、修改像素、創建影像、復制影像、保存影像等內容，希望文章對您有所幫助，如果有不足之處，還請海涵，接下來，讓我們開啟整個系列的學習吧！

下載地址：

• https://github.com/eastmountyxz/Python-zero2one

前文賞析：

第一部分 基礎語法

• [Python從零到壹] 一.為什么我們要學Python及基礎語法詳解
• [Python從零到壹] 二.語法基礎之條件陳述句、回圈陳述句和函式
• [Python從零到壹] 三.語法基礎之檔案操作、CSV檔案讀寫及面向物件

第二部分 網路爬蟲

• [Python從零到壹] 四.網路爬蟲之入門基礎及正則運算式抓取博客案例
• [Python從零到壹] 五.網路爬蟲之BeautifulSoup基礎語法萬字詳解
• [Python從零到壹] 六.網路爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
• [Python從零到壹] 七.網路爬蟲之Requests爬取豆瓣電影TOP250及CSV存盤
• [Python從零到壹] 八.資料庫之MySQL基礎知識及操作萬字詳解
• [Python從零到壹] 九.網路爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤滑鼠操作）
• [Python從零到壹] 十.網路爬蟲之Selenium爬取在線百科知識萬字詳解（NLP語料構造必備技能）

第三部分 資料分析和機器學習

• [Python從零到壹] 十一.資料分析之Numpy、Pandas、Matplotlib和Sklearn入門知識萬字詳解(1)
• [Python從零到壹] 十二.機器學習之回歸分析萬字總結全網首發（線性回歸、多項式回歸、邏輯回歸）
• [Python從零到壹] 十三.機器學習之聚類分析萬字總結全網首發（K-Means、BIRCH、層次聚類、樹狀聚類）
• [Python從零到壹] 十四.機器學習之分類演算法三萬字總結全網首發（決策樹、KNN、SVM、分類演算法對比）
• [Python從零到壹] 十五.文本挖掘之資料預處理、Jieba工具和文本聚類萬字詳解
• [Python從零到壹] 十六.文本挖掘之詞云熱點與LDA主題分布分析萬字詳解
• [Python從零到壹] 十七.可視化分析之Matplotlib、Pandas、Echarts入門萬字詳解
• [Python從零到壹] 十八.可視化分析之Basemap地圖包入門詳解
• [Python從零到壹] 十九.可視化分析之熱力圖和箱圖繪制及應用詳解
• [Python從零到壹] 二十.可視化分析之Seaborn繪圖萬字詳解
• [Python從零到壹] 二十一.可視化分析之Pyechart繪圖萬字詳解
• [Python從零到壹] 二十二.可視化分析之OpenGL繪圖萬字詳解
• [Python從零到壹] 二十三.十大機器學習演算法之決策樹分類分析詳解(1)
• [Python從零到壹] 二十四.十大機器學習演算法之KMeans聚類分析詳解(2)
• [Python從零到壹] 二十五.十大機器學習演算法之KNN演算法及影像分類詳解(3)
• [Python從零到壹] 二十六.十大機器學習演算法之樸素貝葉斯演算法及文本分類詳解(4)
• [Python從零到壹] 二十七.十大機器學習演算法之線性回歸演算法分析詳解(5)
• [Python從零到壹] 二十八.十大機器學習演算法之SVM演算法分析詳解(6)
• [Python從零到壹] 二十九.十大機器學習演算法之隨機森林演算法分析詳解(7)
• [Python從零到壹] 三十.十大機器學習演算法之邏輯回歸演算法及惡意請求檢測應用詳解(8)
• [Python從零到壹] 三十一.十大機器學習演算法之Boosting和AdaBoost應用詳解(9)
• [Python從零到壹] 三十二.十大機器學習演算法之層次聚類和樹狀圖聚類應用詳解(10)

第四部分 Python影像處理基礎

• [Python從零到壹] 三十三.影像處理基礎篇之什么是影像處理和OpenCV配置
• [Python從零到壹] 三十四.OpenCV入門詳解——顯示讀取修改及保存影像

第五部分 Python影像運算和影像增強

第六部分 Python影像識別和影像處理經典案例

第七部分 NLP與文本挖掘

第八部分 人工智能入門知識

第九部分 網路攻防與AI安全

第十部分 知識圖譜構建實戰

擴展部分 人工智能高級案例

作者新開的“娜璋AI安全之家”將專注于Python和安全技術，主要分享Web滲透、系統安全、人工智能、大資料分析、影像識別、惡意代碼檢測、CVE復現、威脅情報分析等文章，雖然作者是一名技術小白，但會保證每一篇文章都會很用心地撰寫，希望這些基礎性文章對你有所幫助，在Python和安全路上與大家一起進步，

一.OpenCV常見資料型別

OpenCV是一個輕量級高效的跨平臺計算機視覺庫，實作了影像處理和計算機視覺方面的多種通用演算法，所謂的影像可以理解為一個陣列，影像處理就是對陣列的處理，首先，本文將介紹OpenCV中常見的資料型別，包括點Point類、顏色Scalar類、尺寸Size類、矩形Rect類、矩陣Mat類[1-2]，

1.點Point

表示二維坐標系中的點，含x和y，其示例如下：

#OpenCV示例
Point p; p.x=1, p.y=2;
Point p=Point(1, 2);

#Python示例
points_list = [(160, 160), (136, 160)]

2.顏色Scalar

包含四個元素的陣列，設定像素值RGB三通道，第四個引數可忽略，其示例如下：

#OpenCV示例 BGR三分量
Scalar(b, g, r);

#Python示例
(0, 0, 255)

3.尺寸Size

它和Point相似，主要成員包括height和width，其示例如下：

#OpenCV示例
Size(5, 5);
Size_(_Tp _width, _Tp _height);

#Python示例
width, height = img.shape

4.矩形Rect

Rect類稱為矩形類，包含Point類的成員x和y（代表矩形左上角的坐標）和Size類的成員width和height（代表矩形的大小），其示例如下：

#OpenCV示例
Rect rect = rect1 & rect2;    #求兩矩形交集
Rect rect = rect1 | rect2;    #求兩矩形并集
Rect rectShift = rect + point;  #矩形平移
Rect rect = rect1 + size;     #矩形縮放

#Python示例
cv2.rectangle(img, (20,20), (150,250), (255,0,0), 2)

5.矩陣Mat

通用的矩陣類，用來創建和操作多維矩陣，其示例如下：

#OpenCV示例
Mat M(3,2, CV_8UC3, Scalar(0,0,255));

#Python示例
np.zeros((256,256,3), np.uint8)

二.OpenCV讀取與顯示影像

在OpenCV2中，影像的讀取和顯示是最簡單的兩句代碼，它們通過imread()和imshow()函式實作[3]，OpenCV讀取影像的imread()函式原型如下，它將從指定的檔案加載影像并回傳矩陣，如果無法讀取影像（因為缺少檔案、權限不正確、格式不支持或影像無效等），則回傳空矩陣（Mat::data==NULL），

• retval = imread(filename[, flags])
  – filename表示需要載入的圖片路徑名，其支持Windows位圖、JPEG檔案、PNG圖片、便攜檔案格式、Sun rasters光柵檔案、TIFF檔案、HDR檔案等，
• flags為int型別，表示載入標識，它指定一個加載影像的顏色型別，默認值為1，其中cv2.IMREAD_UNCHANGED表示讀入完整影像或影像不可變，包括alpha通道；cv2.IMREAD_GRAYSCALE表示讀入灰度影像；cv2.IMREAD_COLOR表示讀入彩色影像，默認引數，忽略alpha通道，

OpenCV中顯示影像呼叫imshow()函式，它將在指定視窗中顯示一幅影像，視窗會自動調整為影像大小，其原型如下所示：

• imshow(winname, mat)
  – winname表示視窗的名稱
  – mat表示要顯示的影像

下面是第一個示例程式，主要用于讀取和加載經典的“Lena”影像，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#讀取圖片
img = cv2.imread("Lena.png")

#顯示影像
cv2.imshow("Demo", img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結果如圖2-1所示：

需要注意，在影像顯示程序中，如果代碼中沒有waitKey(0)函式，其運行結果可能會出現錯誤，加載一幅灰色的影像，如圖2-2所示，

因此，在顯示影像程序中，通常還會呼叫兩個操作視窗的函式，它們分別是waitKey()和destroyAllWindows()，

• retval = waitKey([, delay])
  – 鍵盤系結函式，共一個引數delay，表示等待的毫秒數，看鍵盤是否有輸入，回傳值為ASCII值，如果其引數為0，則表示無限期的等待鍵盤輸入；引數大于0表示等待delay毫秒；引數小于0表示等待鍵盤單擊，

• destroyAllWindows()
  – 該函式可以輕易洗掉所有建立的視窗，如果你想洗掉特定的視窗可以使用 cv2.destroyWindow()，并在括號內輸入要洗掉的視窗名，

同時，可以設定加載影像后無限期等待，直到輸入指定的按鍵才退出視窗，如下面的代碼需要輸入ESC才退出，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#讀取圖片
img = cv2.imread("Lena.png")

#顯示影像
cv2.imshow("Demo", img)

#無限期等待輸入
k=cv2.waitKey(0)

#如果輸入ESC按鍵退出
if k==27:
    cv2.destroyAllWindows()

此外，在對比實驗中，我們通常需要顯示多張圖片，此時可以呼叫NumPy和Matplotlib庫輔助完成[4]，具體實作程序如下所示，

• NumPy（Numeric Python）是Python提供的數值計算擴展包，擁有高效的處理函式和數值編程工具，主要用于科學計算，如矩陣資料型別、線性代數、矢量處理等，
• Matplotlib是Python強大的資料可視化工具和2D繪圖庫，常用于創建海量型別的2D圖表和一些基本的3D圖表，類似于MATLAB和R語言，Matplotlib提供了一整套和Matlab相似的命令API，十分適合互動式地進行制圖，而且也可以方便地將它作為繪圖控制元件，嵌入GUI應用程式中，Matplotlib是一名神經生物學家John D. Hunter博士于2007年創建，函式設計上參考了Matlab，現在在Python的各個科學計算領域都得到了廣泛應用，

該程式是呼叫cv2.imread()函式分別讀取四張圖片，并轉換為RGB顏色空間，接著通過for回圈分別設定各子圖對應的影像、標題及坐標軸名稱，其中plt.subplot(2,2)表示生成2×2張子圖，

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取影像
img1 = cv2.imread('lena.png')
img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)

img2 = cv2.imread('xluo.png')
img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)

img3 = cv2.imread('flower.png')
img3 = cv2.cvtColor(img3, cv2.COLOR_BGR2RGB)

img4 = cv2.imread('huawei.png')
img4 = cv2.cvtColor(img4, cv2.COLOR_BGR2RGB)

#顯示四張影像
titles = ['lena', 'people', 'flower', 'huawei']
images = [img1, img2, img3, img4]
for i in range(4):
   plt.subplot(2, 2, i+1), plt.imshow(images[i], 'gray')
   plt.title(titles[i])
   plt.xticks([]),plt.yticks([])
plt.show()

輸出如圖2-3所示，它顯示了四幅影像，在影像處理對比中，同時對比多種演算法的處理效果是非常重要的手段之一，

三.OpenCV像素處理

OpenCV中讀取影像的像素值可以直接通過遍歷影像的位置實作，如果是灰度影像則回傳其灰度值，如果是彩色影像則回傳藍色（B）、綠色（G）、紅色（G）三個分量值，其示例如下：

• 灰度影像：回傳值 = 影像[位置引數]
  示例：test=img[88,42]

• 彩色影像：回傳值 = 影像[位置元素, 0 | 1 | 2 ]獲取BGR三個通道像素
  示例：blue=img[88,142,0] green=img[88,142,1] red=img[88,142,2]

當需要修改影像中的像素時，則定位指定像素并直接賦新像素值即可，彩色影像需要依次給三個分量賦值，如下列代碼所示，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#讀取圖片
img = cv2.imread("Lena.png")

#讀取像素
test = img[88,142]
print("讀取的像素值:", test)

#修改像素
img[88,142] = [255, 255, 255]
print("修改后的像素值:", test)

#分別獲取BGR通道像素
blue = img[88,142,0]
print("藍色分量", blue)
green = img[88,142,1]
print("綠色分量", green)
red = img[88,142,2]
print("紅色分量", red)

#顯示影像
cv2.imshow("Demo", img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

讀取的像素值及修改后的像素值結果如圖2-4所示，

下面代碼是將100到200行、150到250列的像素區域設定為白色的效果，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2

#讀取圖片
img = cv2.imread("Lena.png")

#該區域設定為白色
img[100:200, 150:250] = [255,255,255]

#顯示影像
cv2.imshow("Demo", img)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

圖2-5是最終顯示的效果圖，它將img[100:200, 150:250] 區域顯示為白色，

四.NumPy像素處理

前面是直接讀取和修改影像像素的方法，下面講解通過NumPy庫讀取像素和修改像素的方法，NumPy是Python提供的數值計算擴展包，擁有高效的處理函式和數值編程工具，Array是NumPy庫中最基礎的資料結構，表示陣列，NumPy可以很方便地創建各種不同型別的多維陣列，并且執行一些基礎操作，

在影像處理中，NumPy讀取像素呼叫item()函式實作，修改像素呼叫itemset()實作，其原型如下所示[5]，使用Numpy進行像素讀取，呼叫方式如下：

• 回傳值 = 影像.item(位置引數)
  例如：blue = img.item(78, 100, 0)

使用Numpy的itemset函式修改像素，呼叫方式如下：

• 影像.itemset(位置, 新值)
  例如：img.itemset((88,99), 255)

最終實作代碼如下所示，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy

#讀取圖片
img = cv2.imread("Lena.png")
print(type(img))

#Numpy讀取像素
print(img.item(78, 100, 0))
print(img.item(78, 100, 1))
print(img.item(78, 100, 2))

#Numpy修改像素
img.itemset((78, 100, 0), 100)
img.itemset((78, 100, 1), 100)
img.itemset((78, 100, 2), 100)
print(img.item(78, 100, 0))
print(img.item(78, 100, 1))
print(img.item(78, 100, 2))

輸出結果如下所示，原始影像BGR像素值為88、84、196，修改后的像素值為100、100、100，

<class 'numpy.ndarray'>
88
84
196
100
100
100

五.OpenCV創建影像

由于在OpenCV2中沒有CreateImage函式，如果需要創建影像，則需要使用Numpy庫函式實作，如下述代碼，呼叫np.zeros()函式創建空影像，創建的新影像使用Numpy陣列的屬性來表示影像的尺寸和通道資訊，其中引數img.shape表示原始影像的形狀，np.uint8表示型別，

• emptyImage = np.zeros(img.shape, np.uint8)

例如img.shape為(500, 300, 3)，它表示500×300像素的影像，3表示這是一個RGB影像，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("Lena.png")

#創建空影像
emptyImage = np.zeros(img.shape, np.uint8)

#顯示影像
cv2.imshow("Demo", emptyImage)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

顯示結果如圖2-6所示，這是一幅新創建的“空白”影像，

六.OpenCV復制影像

復制原有影像來獲取一幅新影像，可以呼叫copy()函式實作，

• emptyImage2 = img.copy()

下述代碼實作了影像的創建和復制功能，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取圖片
img = cv2.imread("Lena.png")

#創建空影像
emptyImage = np.zeros(img.shape, np.uint8)

#復制影像
emptyImage2 = img.copy()

#顯示影像
cv2.imshow("Demo1", img)
cv2.imshow("Demo2", emptyImage)
cv2.imshow("Demo3", emptyImage2)

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

最終輸出結果如圖2-7所示，Demo1表示原始影像，Demo2表示創建的空白影像，Demo3表示復制的影像，

七.OpenCV保存影像

在OpenCV中，輸出影像到檔案使用的函式為imwrite()，其函式原型如下：

• retval = imwrite(filename, img[, params])
  – filename表示要保存的路徑及檔案名
  – img表示影像矩陣
  – params表示特定格式保存的引數編碼，默認值為空，對于JPEG圖片，該引數（cv2.IMWRITE_JPEG_QUALITY）表示影像的質量，用0-100的整數表示，默認值為95，對于PNG圖片，該引數（cv2.IMWRITE_PNG_COMPRESSION）表示的是壓縮級別，從0到9，壓縮級別越高，影像尺寸越小，默認級別為3，對于PPM、PGM、PBM圖片，該引數表示一個二進制格式的標志（cv2.IMWRITE_PXM_BINARY）[2]，注意，該型別為Long，必須轉換成int，

下面是一個呼叫imwrite()函式輸出影像到指定的檔案的代碼，

# -*- coding:utf-8 -*-
# By：Eastmount
import cv2
import numpy as np

#讀取影像
img = cv2.imread("Lena.png")

#顯示影像
cv2.imshow("Demo", img)

#保存影像
cv2.imwrite("dst1.jpg", img, [int(cv2.IMWRITE_JPEG_QUALITY), 5])  
cv2.imwrite("dst2.jpg", img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])  
cv2.imwrite("dst3.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 0])  
cv2.imwrite("dst4.png", img, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

#等待顯示
cv2.waitKey(0)
cv2.destroyAllWindows()

原始影像“Lena.jpg”為222KB，呼叫imwrite()函式輸出保存的影像共四張，如圖2-8所示，其中“dst1.jpg”被壓縮，大小為4.90KB，“dst2.jpg”影像大小為99.1KB，“dst3.png”大小為499KB，“dst4.png”大小為193KB，

八.總結

寫到這里，這篇文章就介紹結束，本文詳細介紹了OpenCV影像處理的基礎用法，包括影像讀取、顯示、像素處理、創建、復制、寫入和保存，通過這篇文章，初學者將學會基本的影像處理操作，代碼比較簡單，但希望大家一定要自己動手實作所有代碼和案例，只有不斷實踐才能提升，

感謝在求學路上的同行者，不負遇見，勿忘初心，影像處理系列主要包括三部分，分別是：

這周的留言感慨～

十二年CSDN的博客分享，如果要說分享最讓我開心的是什么？不是傳道，不是授業，也不是解惑，而是接下來這類事，這些年已經陸續鼓勵了一些朋友當老師，而昨天得知這一位博友真的去到新疆南疆成為了一名小學老師，我很是感動，是真的感動，六年前我曾鼓勵他如果想，就放棄高額工資的互聯網大廠，去做自己想做的，沒想到已經當了四年老師，又當爹又當媽，國語普及，文化教育，這里面的艱辛不是一兩句道得清，除了佩服就是鼓勵，
正如你說的一樣，“一輩子總得做點有意義的事情，生命實在太短暫，一定要活得積極、正面”，或許，這也是我在CSDN分享博客的最大意義，再比如云南那位老友的留言，“農村的孩子下雨沒有傘，只能拼命奔跑”，希望你以后也能成為一名教師，感恩有你們，感謝有你們，我也希望自己早日畢業回到家鄉，花上三四十年做好兩件事，一是認真教書，二是將少數民族文物搶救和文字語音保護做好，也鼓勵更多人一起加入進來，自己雖然很菜吧，但還是有一些喜歡的事，尤其陪伴愛的人，挺好，愛你們喔，2022年繼續加油，在CSDN分享更高質量的博客和專欄，

(By:娜璋之家 Eastmount 2022-01-23 夜于貴陽 https://blog.csdn.net/Eastmount )

參考文獻：

• [1] 岡薩雷斯. 數字影像處理（第3版）[M]. 北京：電子工業出版社, 2013.
• [2] 阮秋琦. 數字影像處理學（第3版）[M]. 北京：電子工業出版社，2008.
• [3] Eastmount. [Python影像處理] 一.影像處理基礎知識及OpenCV入門函式[EB/OL]. (2018-08-16). https://blog.csdn.net/Eastmount/article/details/81748802.
• [4] 楊秀璋, 顏娜. Python網路資料爬取及分析從入門到精通（分析篇）[M]. 北京：北京航天航空大學出版社, 2018.
• [5] Eastmount. [Python影像處理] 二.OpenCV+Numpy庫讀取與修改像素[EB/OL]. (2018-08-28). https://blog.csdn.net/eastmount/article/details/82120114.