OpenCV入门 --- 2

date: 2026-08-12

目录

• 1.图像基本操作 — 数值计算 — 数值计算、溢出处理（取模 vs 饱和）
• 2.图像融合： — resize 改变 shape、addWeighted 融合
• 图像阈值： — threshold 五种二值化类型
• 图像平滑处理： — 均值/方框/高斯/中值/双边滤波
• 图像拼接： — np.hstack / np.vstack—

1.图像基本操作 — 数值计算

img_pp1 = img_pp + 10
cv.imshow('img_pp1', img_pp1)
cv.waitKey(0)
cv.destroyAllWindows()

img_pp[:5,:,0]

结果：

(146, 133, 3)
array([[254, 254, 254, …, 254, 254, 254], [254, 254, 254, …, 254, 254, 254], [253, 253, 253, …, 254, 254, 254], [253, 253, 253, …, 254, 254, 254], [252, 252, 252, …, 254, 254, 254]], shape=(5, 526), dtype=uint8)

img_pp1[:5,:,0]

结果：

array([[8, 8, 8, …, 8, 8, 8], [8, 8, 8, …, 8, 8, 8], [7, 7, 7, …, 8, 8, 8], [7, 7, 7, …, 8, 8, 8], [6, 6, 6, …, 8, 8, 8]], shape=(5, 526), dtype=uint8)

img_pp2 = img_pp1 + img_pp
img_pp2[:5,:,0]

运行结果：

array([[6, 6, 6, …, 6, 6, 6], [6, 6, 6, …, 6, 6, 6], [4, 4, 4, …, 6, 6, 6], [4, 4, 4, …, 6, 6, 6], [2, 2, 2, …, 6, 6, 6]], shape=(5, 526), dtype=uint8)

使用opencv函数：

cv.add(img_pp1, img_pp)[:5,:,0]

运行结果：

array([[255, 255, 255, …, 255, 255, 255], [255, 255, 255, …, 255, 255, 255], [255, 255, 255, …, 255, 255, 255], [255, 255, 255, …, 255, 255, 255], [255, 255, 255, …, 255, 255, 255]], shape=(5, 526), dtype=uint8)

• 由此可得，溢出处理：

• [:5,:,0] 怎么理解

  • 这是 numpy 数组切片的问题，numpy 多维数组索引是逐维的，逗号分隔每一维：数组[第0维, 第1维, 第2维, …],对图像（三维数组 img[高, 宽, 通道]）来说，img[:5, :, 0] 拆开看：

结果：一张 5 × 宽 的二维数组——前 5 行的蓝色通道浓度图。 “0:5” 是取第 0、1、2、3、4 行，共 5 行 —— 不包含第 5 行。 Python 切片是左闭右开 [start, stop)

2.图像融合：

im1 = img + img_pp
im1[:5,:,0]

直接相加会报错：

ValueError Traceback (most recent call last) Cell In[19], [line 1](vscode-notebook-cell:?execution_count=19&line=1) —-> [1](vscode-notebook-cell:?execution_count=19&line=1) im1 = img + img_pp 2 im1[:5,:,0] ValueError: operands could not be broadcast together with shapes (146,133,3) (531,526,3)

原因是图像维度不一致，shape值不同

img_pp2 = cv.resize(img_pp, (img.shape[1], img.shape[0]))
img_pp2.shape

通过resize函数 ，改变图像的shape值

plt.subplot(121),plt.imshow(img_pp),plt.title('img_pp')
plt.subplot(122),plt.imshow(img_pp2),plt.title('img_pp2')

• resize不仅可以指定高宽，还能指定倍数

img_pp3 = cv.resize(img_pp,(0,0),fx=3,fy=1)
img_pp3.shape
plt.imshow(img_pp3)

res = cv.addWeighted(img,0.7,img_pp2,0.6,0)
plt.imshow(res)

• 关于addWeighted函数的参数，两个输入，即两个图像，后面分别跟着权重，可以理解为，谁更明显，谁占大头，最后的参数是偏置量，同样输入的shape值需要一样。

图像阈值：

ret,dst = cv.threshold(src,thresh,maxval,type)

• 参数
  • src： 输入图，只能输入单通道图像，通常来说是灰度图
  • dst：输出图
  • thresh：阈值
  • maxval：当像素值超过阈值（或者小于阈值，根据type来决定），所赋予的值
  • type：二值化操作的类型，包含以下5种类型：
    • cv.THRESH_BINARY : 二值化。像素值 > thresh → maxval，否则 → 0（最常用，得到黑白图）
    • cv.THRESH_BINARY_INV : 反二值化。像素值 > thresh → 0，否则 → maxval（黑白互换）
    • cv.THRESH_TRUNC : 截断。像素值 > thresh → thresh，否则不变（高亮部分被压暗，不会全黑）
    • cv.THRESH_TOZERO : 取零。像素值 > thresh → 原值不变，否则 → 0（低于阈值的区域变黑）
    • cv.THRESH_TOZERO_INV : 反取零。像素值 > thresh → 0，否则 → 原值不变（高于阈值的区域变黑）

img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
plt.imshow(img_gray, cmap='gray')

ret,thresh1 = cv.threshold(img_gray,127,255,cv.THRESH_BINARY) # 超过阈值的部分全取max，低于阈值的部分全取0
plt.imshow(thresh1, cmap='gray')

• 整合到一起

ret,thresh1 = cv.threshold(img_gray,127,255,cv.THRESH_BINARY) # 超过阈值的部分全取max，低于阈值的部分全取0
ret,thresh2 = cv.threshold(img_gray,127,255,cv.THRESH_BINARY_INV) # 超过阈值的部分全取0，低于阈值的部分全取max
ret,thresh3 = cv.threshold(img_gray,127,255,cv.THRESH_TRUNC) # 超过阈值的部分全取阈值，低于阈值的部分不变
ret,thresh4 = cv.threshold(img_gray,127,255,cv.THRESH_TOZERO) # 超过阈值的部分不变，低于阈值的部分全取0
ret,thresh5 = cv.threshold(img_gray,127,255,cv.THRESH_TOZERO_INV) # 超过阈值的部分全取0，低于阈值的部分不变

imgs = [img_gray, thresh1, thresh2, thresh3, thresh4, thresh5]
titles =['OriginalImage','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']

for i in range(6):
plt.subplot(2,3,i+1),plt.imshow(imgs[i],'gray')
plt.title(titles[i])
plt.xticks([]),plt.yticks([])

plt.show()

• plt.imshow(imgs[i],'gray')
  • 灰度图是二维数组，本身没有颜色，显示成什么颜色,靠 matplotlib 的 colormap（色图） 决定。而 imshow 对二维数组的默认色图是 viridis（黄绿渐变），OpenCV 对单通道图直接用亮度值显示，不做颜色映射。这就是两个库显示习惯的差别。
• `plt.xticks([]),plt.yticks([])
  • 隐藏坐标轴的刻度,把 x 轴 / y 轴的刻度**设成空列表 []，相当于"不显示任何刻度"——刻度线和刻度数字（0、50、100…）都隐藏了。

    • 为什么常见：显示图像时，坐标数值（像素坐标）通常没用，还挡视线。隐藏后图像更干净。OpenCV 用 matplotlib 显示图片时几乎都这么写。

    • 三个常用写法对比（由轻到重）：

• for i in range(6):
• i 依次 = 0, 1, 2, 3, 4, 5（共 6 次循环）

图像平滑处理：

• OpenCV 读图默认是 BGR 顺序，而 matplotlib 按 RGB 解释。不转的话红蓝色对调——比如红花会显示成蓝色。
  • 转换方法：
  • 方法一：cvtColor 显式转换（推荐，语义清晰）
  • 方法二：numpy 反转通道（ […, ::-1] 写法）

# 方法一：
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)

plt.imshow(img[…, ::-1]) # … 省略前面的维，::-1 反转最后一维

• 如何给图像加上白色噪点？

img_noisy = img.copy()
n = 1000 # 噪声点数量
x = np.random.randint(0, img.shape[0], n) # 随机行坐标
y = np.random.randint(0, img.shape[1], n) # 随机列坐标
img_noisy[x, y] = 255 # 白点（盐）；换 0 就是黑点（椒）

plt.subplot(1,2,1),plt.imshow(img_noisy,'gray')
plt.title('img_noisy')
plt.title('noise')
plt.subplot(1,2,2),plt.imshow(img,'gray')
plt.title('Original Image')
plt.show()

• x = np.random.randint(0, img.shape[0], n)

  • np.random.randint – numpy 的随机整数生成函数
  • 0 – 最小值（包含）——最小的数是 0
  • img.shape[0] – 最大值（不包含）——即图像行数
  • n – 生成 n 个数

• img_noisy[x, y] = 255

  • 用两个数组做"花式索引"，批量给随机像素赋白色
  • x 和 y 都是数组（各 n 个随机坐标）。img_noisy[x, y] 是 numpy 的花式索引（fancy indexing）：两个数组逐对配对，一次性取出/写入 n 个像素位置。
  • 两个细节：
    • 不是笛卡尔积：x 数组 y 数组是对应位置配对（zip 语义），不是所有 x×y 组合
    • 彩图广播：如果 img_noisy 是彩色图 (H, W, 3)，标量 255 会自动广播到三个通道——所以 img_noisy[x, y] = 255 和 = [255,255,255] 结果一样

• 均值滤波：

#均值滤波
#简单的卷积运算
blur = cv.blur(img_noisy,(3,3))
plt.imshow(blur)

• 可以看到，白点变淡了，但是实际上效果还是不是很好。

• 方框滤波：

#方框滤波
#可以选择归一化
box = cv.boxFilter(img_noisy,–1,(3,3),normalize=True)
plt.imshow(box)

• 结果和均值滤波没什么区别

dst = cv.boxFilter(src, ddepth,
ksize[, dst[,
anchor[, normalize[,
borderType]]]])

• 参数：
  • src — 输入图像
  • ddepth — 输出图像深度，-1 = 与 src 相同
  • ksize — 核大小 (宽, 高)，越大越模糊
  • dst — 输出图像（可省略）
  • anchor — 锚点（核内对齐位置），默认 (-1,-1)=核中心
  • normalize — 归一化开关，默认 True
  • borderType — 边界外推方式，默认 BORDER_DEFAULT（注意不支持 BORDER_WRAP）
  • 和 cv.blur 的关系：blur 只能做归一化均值滤波；boxFilter 是加强版，多一个 normalize 开关，其余参数一样。
  • 归一化 = 让核元素之和等于 1，方框核里每个元素都是 1，3×3 核一共 9 个元素，和为 9。
    • normalize=True：每个元素除以 9 → 核变成 1/9 的 9 个 → 核元素之和 = 1 → 输出是邻域平均值
    • normalize=False：元素保持 1 → 核元素之和 = 9 → 输出是邻域求和
  • 不做归一化意味着什么：
  • 数值被放大：每个输出像素 = 邻域内所有像素的总和，放大 w×h 倍。900 远超 255，uint8 直接饱和成一片白
  • “平均"变"求和”：归一化保留亮度水平（图像整体明暗不变，只是变平滑）；不归一化是算邻域"总能量"，图像整体剧烈变亮
  • 用途不同：求和结果适合算积分特征——邻域的总亮度、总能量、导数乘积的协方差（光流算法用）。所以需要保留真实和值时，ddepth 要配更大的深度（如 CV_16S 能到 32767），不能 -1（会溢出饱和）

高斯滤波：

• 高斯模糊的卷积核里的数值是满足高斯分布（高斯分布 = 正态分布），相当于更重视中间的，相当于创建的一个权重矩阵

gaussian = cv.GaussianBlur(img_noisy,(3,3),0)

plt.imshow(gaussian)

• 用"高斯分布形状"的权重核做平滑滤波 *一句话：高斯滤波 = 卷积核的权重不是平均的，而是服从**高斯分布——中心像素权重最大，越往边缘权重越小，对邻域做加权平均来平滑去噪。
• dst = cv.GaussianBlur(src, ksize, sigmaX)
  • ksize：核大小，必须正奇数，如 (3,3)、(5,5)
  • sigmaX：X 方向高斯标准差，越大越模糊；填 0 时由 ksize 自动计算（sigma = 0.3×((ksize-1)×0.5-1)+0.8）
• 常见用途：去噪；Canny 边缘检测的第一步预处理；需要"平滑但保留边缘"的场景。

问题 1：卷积核大小决定什么？ 核大小 = “每个像素看多远 + 平均范围多大”，它同时决定：

直觉：核大小是"平滑强度"和"细节保留"的旋钮——3×3 只看周围一圈，5×5 看周围两圈，越大越糊、越丢细节。

问题 2：为什么去噪时中间权重更大？

核心原因：自然图像里，离中心越近的像素越"可信"，越远的越可能是"另一回事"。

中值滤波：

#中值滤波
#相当于用中值代替
median = cv.medianBlur(img_noisy,3)
plt.imshow(median)

• 看起来中值滤波的效果更好
  • 为什么：当前噪声是椒盐噪声（随机黑白点，见前文 img_noisy[x, y] = 255 撒点）。中值滤波把邻域像素排序后取中值——白点 255 / 黑点 0 这类离群值排序后被挤到两端，取不到中值，所以椒盐点被直接剔除，且不糊边缘（相比均值/高斯滤波）
  • cv.medianBlur(src, ksize)：ksize 同样必须正奇数；对椒盐噪声效果最好

双边滤波：

bilateral = cv.bilateralFilter(img_noisy,9,75,75)
plt.imshow(bilateral)

• dst = cv.bilateralFilter(src, d, sigmaColor, sigmaSpace)
  • 参数：
    • d — 邻域直径（核大小），常用 5 或 9；非正时由 sigmaSpace 自动算
    • sigmaColor — 颜色相似度标准差——灰度差超过它的像素不参与加权（保边关键）
    • sigmaSpace — 空间距离标准差——和 GaussianBlur 的 sigma 类似，控制距离衰减
  • 两种权重（这才是"双边"的含义）：
  • 空间权重：离中心近的像素影响大
  • 颜色权重：灰度/颜色和中心像素接近的像素影响大
  • 用途：人像磨皮/美颜（核心技术）、去噪同时保细节、纹理保留等。参数直觉：sigmaColor 越大越平滑（容忍更多色差）、越小保边越强但去噪弱。

图像拼接：

res = np.hstack((img_noisy, blur, box, gaussian, median, bilateral))
plt.imshow(res)

• hstack 将图像横向拼接
• vstack 竖向拼接