OpenCV Python 函数详解：图像处理与计算机视觉应用255

OpenCV (Open Source Computer Vision Library) 是一个强大的开源计算机视觉库，提供了丰富的函数用于图像和视频处理。Python 凭借其简洁的语法和丰富的库支持，成为 OpenCV 的理想编程语言。本文将深入探讨一些常用的 OpenCV Python 函数，并结合示例代码，帮助读者理解其功能和应用。

一、图像读取与显示

最基本的 OpenCV 操作莫过于读取和显示图像。() 函数用于读取图像文件，支持多种图像格式 (JPEG, PNG, TIFF 等)。() 函数用于显示图像。需要注意的是，OpenCV 使用 BGR 颜色空间，而不是常见的 RGB 颜色空间。```python
import cv2
# 读取图像
img = ("")
# 显示图像
("Image", img)
(0) # 等待按键
()
```

(0) 使窗口保持显示，直到按下按键。() 关闭所有 OpenCV 窗口。

二、图像基本操作

OpenCV 提供了大量的函数用于图像处理，例如：
(): 转换颜色空间 (BGR to RGB, Gray, HSV 等)。
(): 调整图像大小。
(): 调整图像大小。可以使用不同的插值方法，例如 INTER_LINEAR, INTER_AREA, INTER_CUBIC 等。
(): 镜像图像 (水平或垂直)。
(): 旋转图像。
(): 保存图像。

```python
import cv2
# 转换为灰度图像
gray = (img, cv2.COLOR_BGR2GRAY)
# 调整图像大小
resized = (img, (640, 480), interpolation=cv2.INTER_AREA)
# 镜像图像
flipped = (img, 1) # 1: 水平翻转
# 保存图像
("", gray)
("Gray", gray)
("Resized", resized)
("Flipped", flipped)
(0)
()
```

三、图像滤波

滤波是图像处理中一项重要的技术，用于去除噪声或增强图像细节。OpenCV 提供了多种滤波函数，例如：
(): 均值滤波。
(): 高斯滤波。
(): 中值滤波。
(): 双边滤波 (保留边缘细节)。

```python
import cv2
# 高斯滤波
blurred = (img, (5, 5), 0)
("Blurred", blurred)
(0)
()
```

四、边缘检测

边缘检测用于识别图像中的边界。常用的边缘检测算子包括：
(): Canny 边缘检测算子。
(): Sobel 算子。
(): Laplacian 算子。

```python
import cv2
# Canny 边缘检测
edges = (gray, 50, 150)
("Edges", edges)
(0)
()
```

五、轮廓检测

轮廓检测用于查找图像中的形状。() 函数可以查找图像中的轮廓。() 函数可以绘制轮廓。```python
import cv2
# 查找轮廓
contours, hierarchy = (edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
img_with_contours = (img, contours, -1, (0, 255, 0), 3)
("Contours", img_with_contours)
(0)
()
```

六、其他常用函数

除了以上提到的函数，OpenCV 还提供了许多其他有用的函数，例如图像分割、特征提取、目标跟踪等。这些函数的具体用法可以参考 OpenCV 官方文档。

七、总结

本文仅介绍了 OpenCV Python 中部分常用的函数，实际应用中，需要根据具体需求选择合适的函数组合。熟练掌握 OpenCV Python 函数，可以高效地进行图像处理和计算机视觉任务。建议读者参考 OpenCV 官方文档和教程，深入学习更多高级功能。

2025-06-03

上一篇：Python奇数字符串处理技巧与应用

下一篇：Python Logging 函数详解：高效记录程序运行信息