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、網絡爬蟲30篇、可視化分析10篇、機器學習20篇、大數據分析20篇、圖像識別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圖像處理和圖像識別知識，前期主要講解圖像處理基礎知識、OpenCV基礎用法、常用圖像繪制方法、圖像幾何變換等，中期講解圖像處理的各種運算，包括圖像點運算、形態學處理、圖像銳化、圖像增強、圖像平滑等，后期研究圖像識別、圖像分割、圖像分類、圖像特效處理以及圖像處理相關應用。

上一篇文章介紹了圖像處理基礎知識，這篇文章將詳細講解OpenCV入門知識，包括OpenCV常見數據類型、顯示圖像、讀取像素、修改像素、創建圖像、復制圖像、保存圖像等內容。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！

文章目錄

• 一.OpenCV常見數據類型
• • 1.點Point
  • 2.顏色Scalar
  • 3.尺寸Size
  • 4.矩形Rect
  • 5.矩陣Mat
• 二.OpenCV讀取與顯示圖像
• 三.OpenCV像素處理
• 四.NumPy像素處理
• 五.OpenCV創建圖像
• 六.OpenCV復制圖像
• 七.OpenCV保存圖像
• 八.總結

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.語法基礎之條件語句、循環語句和函數
• [Python從零到壹] 三.語法基礎之文件操作、CSV文件讀寫及面向對象

第二部分 網絡爬蟲

• [Python從零到壹] 四.網絡爬蟲之入門基礎及正則表達式抓取博客案例
• [Python從零到壹] 五.網絡爬蟲之BeautifulSoup基礎語法萬字詳解
• [Python從零到壹] 六.網絡爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
• [Python從零到壹] 七.網絡爬蟲之Requests爬取豆瓣電影TOP250及CSV存儲
• [Python從零到壹] 八.數據庫之MySQL基礎知識及操作萬字詳解
• [Python從零到壹] 九.網絡爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤鼠標操作）
• [Python從零到壹] 十.網絡爬蟲之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 數據分析和機器學習

• [Python從零到壹] 十一.數據分析之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.機器學習之分類算法三萬字總結全網首發（決策樹、KNN、SVM、分類算法對比）
• [Python從零到壹] 十五.文本挖掘之數據預處理、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算法之KNN算法及圖像分類詳解(3)
• [Python從零到壹] 二十六.十大機器學習算法之樸素貝葉斯算法及文本分類詳解(4)
• [Python從零到壹] 二十七.十大機器學習算法之線性回歸算法分析詳解(5)
• [Python從零到壹] 二十八.十大機器學習算法之SVM算法分析詳解(6)
• [Python從零到壹] 二十九.十大機器學習算法之隨機森林算法分析詳解(7)
• [Python從零到壹] 三十.十大機器學習算法之邏輯回歸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算法之層次聚類和樹狀圖聚類應用詳解(10)

第四部分 Python圖像處理基礎

• [Python從零到壹] 三十三.圖像處理基礎篇之什么是圖像處理和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圖像

第五部分 Python圖像運算和圖像增強

第六部分 Python圖像識別和圖像處理經典案例

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 網絡攻防與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、大數據分析、圖像識別、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常見數據類型

OpenCV是一個輕量級高效的跨平臺計算機視覺庫，實現了圖像處理和計算機視覺方面的多種通用算法。所謂的圖像可以理解為一個數組，圖像處理就是對數組的處理。首先，本文將介紹OpenCV中常見的數據類型，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

包含四個元素的數組，設置像素值RGB三通道，第四個參數可忽略。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讀取與顯示圖像

在OpenCV2中，圖像的讀取和顯示是最簡單的兩句代碼，它們通過imread()和imshow()函數實現[3]。OpenCV讀取圖像的imread()函數原型如下，它將從指定的文件加載圖像并返回矩陣，如果無法讀取圖像（因為缺少文件、權限不正確、格式不支持或圖像無效等），則返回空矩陣（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文件、PNG圖片、便攜文件格式、Sun rasters光柵文件、TIFF文件、HDR文件等。
• flags為int類型，表示載入標識，它指定一個加載圖像的顏色類型，默認值為1。其中cv2.IMREAD_UNCHANGED表示讀入完整圖像或圖像不可變，包括alpha通道；cv2.IMREAD_GRAYSCALE表示讀入灰度圖像；cv2.IMREAD_COLOR表示讀入彩色圖像，默認參數，忽略alpha通道。

OpenCV中顯示圖像調用imshow()函數，它將在指定窗口中顯示一幅圖像，窗口會自動調整為圖像大小，其原型如下所示：

• imshow(winname, mat)
  – winname表示窗口的名稱
  – mat表示要顯示的圖像

下面是第一個示例程序，主要用于讀取和加載經典的“Lena”圖像。

# -*- coding:utf-8 -*- # By：Eastmount import cv2#讀取圖片 img = cv2.imread("Lena.png")#顯示圖像 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，在圖像顯示過程中，如果代碼中沒有waitKey(0)函數，其運行結果可能會出現錯誤，加載一幅灰色的圖像，如圖2-2所示。

因此，在顯示圖像過程中，通常還會調用兩個操作窗口的函數，它們分別是waitKey()和destroyAllWindows()。

• retval = waitKey([, delay])
  – 鍵盤綁定函數，共一個參數delay，表示等待的毫秒數，看鍵盤是否有輸入，返回值為ASCII值。如果其參數為0，則表示無限期的等待鍵盤輸入；參數大于0表示等待delay毫秒；參數小于0表示等待鍵盤單擊。

• destroyAllWindows()
  – 該函數可以輕易刪除所有建立的窗口。如果你想刪除特定的窗口可以使用 cv2.destroyWindow()，并在括號內輸入要刪除的窗口名。

同時，可以設置加載圖像后無限期等待，直到輸入指定的按鍵才退出窗口，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")#顯示圖像 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，此時可以調用NumPy和Matplotlib庫輔助完成[4]，具體實現過程如下所示。

• NumPy（Numeric Python）是Python提供的數值計算擴展包，擁有高效的處理函數和數值編程工具，主要用于科學計算，如矩陣數據類型、線性代數、矢量處理等。
• Matplotlib是Python強大的數據可視化工具和2D繪圖庫，常用于創建海量類型的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，十分適合交互式地進行制圖，而且也可以方便地將它作為繪圖控件，嵌入GUI應用程序中。Matplotlib是一名神經生物學家John D. Hunter博士于2007年創建，函數設計上參考了Matlab，現在在Python的各個科學計算領域都得到了廣泛應用。

該程序是調用cv2.imread()函數分別讀取四張圖片，并轉換為RGB顏色空間，接著通過for循環分別設置各子圖對應的圖像、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#讀取圖像 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)#顯示四張圖像 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，它顯示了四幅圖像。在圖像處理對比中，同時對比多種算法的處理效果是非常重要的手段之一。

---

三.OpenCV像素處理

OpenCV中讀取圖像的像素值可以直接通過遍歷圖像的位置實現，如果是灰度圖像則返回其灰度值，如果是彩色圖像則返回藍色（B）、綠色（G）、紅色（G）三個分量值。其示例如下：

• 灰度圖像：返回值 = 圖像[位置參數]
  示例：test=img[88,42]

• 彩色圖像：返回值 = 圖像[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]

當需要修改圖像中的像素時，則定位指定像素并直接賦新像素值即可，彩色圖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)#顯示圖像 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列的像素區域設置為白色的效果。

# -*- coding:utf-8 -*- # By：Eastmount import cv2#讀取圖片 img = cv2.imread("Lena.png")#該區域設置為白色 img[100:200, 150:250] = [255,255,255]#顯示圖像 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圖像像素的方法，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，擁有高效的處理函數和數值編程工具，Array是NumPy庫中最基礎的數據結構，表示數組。NumPy可以很方便地創建各種不同類型的多維數組，并且執行一些基礎操作。

在圖像處理中，NumPy讀取像素調用item()函數實現，修改像素調用itemset()實現，其原型如下所示[5]。使用Numpy進行像素讀取，調用方式如下：

• 返回值 = 圖像.item(位置參數)
  例如：blue = img.item(78, 100, 0)

使用Numpy的itemset函數修改像素，調用方式如下：

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

最終實現代碼如下所示。

# -*- 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，原始圖像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創建圖像

由于在OpenCV2中沒有CreateImage函數，如果需要創建圖像，則需要使用Numpy庫函數實現。如下述代碼，調用np.zeros()函數創建空圖像，創建的新圖像使用Numpy數組的屬性來表示圖像的尺寸和通道信息，其中參數img.shape表示原始圖像的形狀，np.uint8表示類型。

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

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

# -*- coding:utf-8 -*- # By：Eastmount import cv2 import numpy as np#讀取圖片 img = cv2.imread("Lena.png")#創建空圖像 emptyImage = np.zeros(img.shape, np.uint8)#顯示圖像 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”圖像。

---

六.OpenCV復制圖像

復制原有圖像來獲取一幅新圖像，可以調用copy()函數實現。

• emptyImage2 = img.copy()

下述代碼實現了圖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")#創建空圖像 emptyImage = np.zeros(img.shape, np.uint8)#復制圖像 emptyImage2 = img.copy()#顯示圖像 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表示原始圖像，Demo2表示創建的空白圖像，Demo3表示復制的圖像。

---

七.OpenCV保存圖像

在OpenCV中，輸出圖像到文件使用的函數為imwrite()，其函數原型如下：

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

下面是一個調用imwrite()函數輸出圖像到指定的文件的代碼。

# -*- coding:utf-8 -*- # By：Eastmount import cv2 import numpy as np#讀取圖像 img = cv2.imread("Lena.png")#顯示圖像 cv2.imshow("Demo", img)#保存圖像 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()

原始圖像“Lena.jpg”為222KB，調用imwrite()函數輸出保存的圖像共四張，如圖2-8所示，其中“dst1.jpg”被壓縮，大小為4.90KB，“dst2.jpg”圖像大小為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圖像處理的基礎用法，包括圖像讀取、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圖像處理操作，代碼比較簡單，但希望大家一定要自己動手實現所有代碼和案例，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。圖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. 數字圖像處理（第3版）[M]. 北京：電子工業出版社, 2013.
• [2] 阮秋琦. 數字圖像處理學（第3版）[M]. 北京：電子工業出版社，2008.
• [3] Eastmount. [Python圖像處理] 一.圖像處理基礎知識及OpenCV入門函數[EB/OL]. (2018-08-16). https://blog.csdn.net/Eastmount/article/details/81748802.
• [4] 楊秀璋, 顏娜. Python網絡數據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圖像處理] 二.OpenCV+Numpy庫讀取與修改像素[EB/OL]. (2018-08-28). https://blog.csdn.net/eastmount/article/details/82120114.

總結

以上是生活随笔為你收集整理的[Python从零到壹] 三十四.OpenCV入门详解——显示读取修改及保存图像的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。