简介：OpenCV图像处理基础入门资料，以PDF电子书形式整理，面向计算机视觉初学者与人工智能方向的开发人员。内容围绕图像读取、显示、合并、边界填充、图像融合、阈值处理等核心操作展开，附有可运行的详解代码，帮助读者快速理解OpenCV的常用API与图像矩阵处理逻辑，适合作为系统学习或备查的基础手册。整包共1个文件，格式为PDF，大小约132KB，便于移动端阅读或离线收藏。目前已有1211人浏览学习，受到计算机视觉入门人群的持续关注。通过学习这份资料，读者可以掌握cv2.imread、cv2.imshow、cv2.merge、cv2.copyMakeBorder、cv2.addWeighted、cv2.threshold等基础函数的用法，并能够在实际图像处理任务中独立完成简单的读写、拼接、填充与二值化操作，为后续图像特征提取、目标检测等进阶内容打下扎实基础。
1. OpenCV图像处理入门：先弄清图像在内存里存的是什么
拿到“计算机视觉图像处理 Opencv 基础知识（附详解代码）上”这类资料，很多人的第一反应是赶紧找代码跑起来。但我在带 A 同学和某公司新人时发现，凡是后面反复翻车的人，几乎都卡在同一件事上：没搞懂 OpenCV 里的图像本质上就是一个多维数组。灰度图是二维数组，彩色图是三维数组，三个维度分别是高、宽、通道数。你之后做的所有滤波、阈值、形态学操作，本质都是对这个数组做数学运算。这篇笔记就按我平时带人的顺序来讲：先建立这个数组心智模型，再逐段拆解读图、滤波、边缘检测、形态学这些基础代码，最后把最容易踩的坑一次性列清楚。
2. 读取、显示与保存图像：imread/imshow/imwrite 的最小代码
2.1 一张图读进来以后到底是什么数据结构
OpenCV 的 Java 版和 Python 版我都用过，日常调试我用 Python 接口最多，原因是能直接打印数组形状和像素值，对入门者最友好。下面这段代码是每个项目我都会先跑一遍的最小示例：
import cv2 img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) print(img.shape) print(type(img)) print(img[0, 0])第一次跑通的人通常会被输出结果吓一跳：shape 打印出来是(height, width, 3)，而img[0, 0]返回的像素值顺序是[蓝, 绿, 红]而不是我们直觉里的 RGB。这就是 OpenCV 的 BGR 通道顺序，它继承自早期相机和显示设备的底层约定。你后面做颜色识别、图像合成时，只要忘记这一条，结果必然偏色。
这里有个细节必须强调：cv2.imread返回的数组类型是numpy.ndarray，不是 OpenCV 自己定义的类。这意味着所有 numpy 的切片、广播、矩阵运算都能直接作用在图像上。我经常用img[:, :, 0]单独取出蓝色通道来观察，这在调试时比调用 API 更直观。
参数cv2.IMREAD_COLOR表示强制读成三通道彩色图，即使原图是灰度图也会被复制成三个通道；cv2.IMREAD_GRAYSCALE则相反，会把彩色图压成单通道。需要注意，IMREAD_UNCHANGED会保留原图的通道数和位深，例如 PNG 的透明通道。当图片路径含中文时，imread经常返回None，这个问题后面章会单独讲。
2.2 显示与保存：为什么窗口里看到的和数组不一样
读图只是第一步，能正确显示才能确认数据没读错。显示代码固定三件套：
import cv2 img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) cv2.imshow("window", img) key = cv2.waitKey(0) if key == ord('q'): cv2.destroyAllWindows()cv2.imshow的第一个参数是窗口名，第二个是图像数组。cv2.waitKey(0)表示无限等待键盘输入，返回值是按键的 ASCII 码；如果填cv2.waitKey(30)则每 30 毫秒返回一次，常用于视频帧循环。cv2.destroyAllWindows()负责释放所有窗口，写不写其实不影响程序退出，但不写的话在 Jupyter 这类环境里容易积累僵尸窗口。
显示过程中最容易让新手困惑的是：图像数组里的值是 0 到 255 的整数，窗口显示的却是连续色调。这是因为 OpenCV 在底层把 8 位无符号整数映射到了显示设备的色彩空间，这个过程自动完成，不需要你干预。
保存则只有一行：
cv2.imwrite("output.jpg", img)保存的格式由文件扩展名决定，.jpg会走有损压缩，.png走无损压缩。imwrite没有返回值提示成功失败，我一般会检查文件是否存在来确认写入结果。如果想控制 jpg 压缩质量，需要用参数cv2.IMWRITE_JPEG_QUALITY，后面章节会有涉及。
2.3 彩色图转灰度图：通道数变化带来的理解门槛
读了图、会显示、能保存，下一步最常做的就是彩色转灰度。灰度图去掉了颜色信息，只保留亮度，数据量从三维降成二维，后续很多算法只在灰度图上定义。代码是固定的：
import cv2 img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) print(gray.shape)转换后gray.shape变成(height, width)，没有通道维度。cvtColor的第二个参数是转换码，COLOR_BGR2GRAY是彩色转灰度最常用的一个。OpenCV 里这种转换码还有几十种，比如COLOR_BGR2RGB用于调整通道顺序，COLOR_BGR2HSV用于色调饱和度空间，后两者在做颜色识别时会频繁出现。
灰度化的原理是加权平均：OpenCV 按 0.114 的蓝、0.587 的绿、0.299 的红权重把三通道合成单通道，这个权重来自人眼对三种颜色的敏感度差异。直接取三个通道的平均值虽然也能得到灰度图，但对比度会明显偏弱，所以不建议自己用np.mean替代cvtColor。
3. 颜色空间转换与滤波：灰度化、高斯模糊和边缘检测怎么配
3.1 高斯模糊：为什么去噪要选它而不是均值模糊
滤波是图像处理里最有“手感”的部分。我见过很多人直接把高斯模糊当成“让图变糊”的工具，但它的真实用途是去除高频噪声，为后续边缘检测和阈值分割做准备。
import cv2 img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) blurred = cv2.GaussianBlur(img, (5, 5), 0)GaussianBlur的参数三个：输入图、卷积核大小、标准差。卷积核(5, 5)表示在 5×5 的邻域内做加权平均，核越大图像越平滑，但边缘也会越模糊。标准差传 0 时，OpenCV 会根据核大小自动计算一个合适的值。
和均值模糊cv2.blur相比，高斯模糊给中心像素更高的权重，远处像素权重指数衰减。这个特性让它能在抑制噪声的同时保住更多边缘结构。从实践来看，做 Canny 边缘检测之前几乎没有例外地要先做一次高斯模糊，不然检测结果会被噪声点切成碎片。
高斯模糊的一个容易忽略的参数是核的边长必须是奇数，传(4, 4)会直接报错，OpenCV 要求卷积核有明确的中心点。我在代码里固定写(5, 5)是基于多数场景的性价比选择，核再大比如(9, 9)，图像细节损失会明显加重，对入门练习来说没必要。
3.2 Canny 边缘检测：两个阈值背后的取舍逻辑
边缘检测是图像处理入门的第一个“成果型”操作，因为把彩色照片变成白底黑线的边缘图，视觉反馈非常直观。Canny 是实际项目里最常用的算法，代码不出五行：
import cv2 img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(blurred, 50, 150) cv2.imshow("edges", edges)Canny的三个核心参数：输入图、低阈值、高阈值。梯度幅值高于高阈值的像素确定保留为边缘，低于低阈值的直接丢弃，介于两者之间的像素只有与高阈值边缘相连才保留。这就形成了一个“滞后阈值”机制，能有效抑制断裂边缘。
阈值怎么调是我被问得最多的问题。我的经验是低阈值取高阈值的一半到三分之一比较稳妥，例如高阈值 150、低阈值 50。如果检测出的边缘线太碎，说明低阈值偏高，把低阈值降到 30 以下会有改善；如果边缘粗得连成一片，说明高阈值偏低，拉到 200 以上再试。这个调节过程没什么玄学，本质是噪声强度和你想要保留的细节之间的博弈。
我建议新手把上面对应的参数做成可调节版本跑一遍：
import cv2 img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (7, 7), 0) low = 40 high = 120 edges = cv2.Canny(blurred, low, high) merged = cv2.hconcat([gray, edges]) cv2.imshow("compare", merged)cv2.hconcat把灰度图和边缘图横向拼在一张窗口里显示，这种对比方式比来回切换窗口高效得多。low和high我故意设成两个变量，方便你手改数值观察结果变化。Canny 的输入必须是单通道灰度图，直接传 BGR 彩色图会得到错误结果，运行时 OpenCV 不一定报错，但输出完全不可用，这一点要特别注意。
3.3 锐化操作用得上吗：基础阶段不建议碰
很多新手做完模糊和边缘检测后，会试着用filter2D做锐化，想让图像看起来更清晰。我的建议是基础阶段先跳过锐化。锐化本质是原图加上高通滤波的结果，实现不当会把噪声同时放大，产生一圈白边，这在后续处理中是很难处理的伪影。
import cv2 import numpy as np kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], dtype=np.float32) sharpened = cv2.filter2D(img, -1, kernel)这段代码本身没有错，filter2D第二个参数-1表示输出图和输入图同深度，第三个参数是自定义卷积核。但我想提醒的是，锐化会让原本轻微压缩痕迹变成肉眼可见的瑕疵。如果确实需要锐化，也应该先做高斯模糊去除噪声，再做锐化。从入门节奏看，先把模糊、阈值、形态学练熟，锐化放到后面接触频域时再理解，会顺畅很多。
4. 阈值分割与形态学操作：把目标从背景里抠出来的实战参数
4.1 二值化为什么比你想的更依赖预处理
边缘检测找到了“轮廓”，但真正想把目标区域从背景里分离，靠的是阈值分割。最简单也最常用的方式是固定阈值二值化：
import cv2 gray = cv2.imread("demo.jpg", cv2.IMREAD_GRAYSCALE) blurred = cv2.GaussianBlur(gray, (5, 5), 0) ret, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)这段代码里threshold的第二个参数传了 0，同时启用cv2.THRESH_OTSU，意思是让算法自动计算最佳阈值，返回值ret就是计算出的那个阈值。Otsu 方法会在所有可能的阈值里选一个让前景背景类间方差最大的值，对双峰直方图的图像效果非常好。
需要留意的是THRESH_OTSU只能配合灰度图使用，而且对光照不均匀的图像效果会变差。如果图片左边亮右边暗，固定阈值很难同时兼顾两边，这时要么用自适应阈值cv2.adaptiveThreshold，要么先做形态学操作去除照度影响。后面章节会有相应代码。
cv2.THRESH_BINARY表示大于阈值的像素置为 255，小于阈值置为 0。与之对应的THRESH_BINARY_INV则是反向操作，在背景比目标亮时使用。我一般会把两张结果拼在一起看，确认目标和背景谁该是白色。
4.2 腐蚀与膨胀：先理解核，再理解迭代次数
二值化之后，白色区域里通常有噪点，目标边缘可能坑坑洼洼。形态学操作的腐蚀和膨胀就是处理这些问题的主力。腐蚀是取邻域内最小值，让白色区域变小；膨胀是取最大值，让白色区域变大。
import cv2 import numpy as np binary = cv2.imread("mask.png", cv2.IMREAD_GRAYSCALE) kernel = np.ones((5, 5), np.uint8) eroded = cv2.erode(binary, kernel, iterations=1) dilated = cv2.dilate(binary, kernel, iterations=1)kernel是腐蚀和膨胀的邻域形状，np.ones((5, 5), np.uint8)生成一个 5×5 的矩形核。iterations是连续操作的次数，每多一次就多腐蚀或膨胀一层。实际上一次操作和多次操作的效果并不完全等价，但迭代次数少时差异不明显。腐蚀后白色区域变小，能去掉小块的白色噪点；膨胀后白色区域变大，能填补黑色的小洞。
更常用的组合操作是开运算和闭运算。先腐蚀再膨胀叫开运算，用来消除前景外的小噪点；先膨胀再腐蚀叫闭运算，用来填充前景内的小孔洞。OpenCV 提供了单行实现：
opened = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel) closed = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)morphologyEx的第二个参数是操作类型，MORPH_OPEN和MORPH_CLOSE是最常用的两个。用MORPH_OPEN替换“先 erode 再 dilate”的两行代码，代码语义更清晰，性能也更好。我做轮廓提取前的 mask 处理时，标准流程就是 Otsu 二值化 → 开运算去噪 → 闭运算补洞，三步走完再找轮廓。
4.3 寻找轮廓与绘制：拿到你真正想要的区域
分割完以后，下一步通常是把连通区域找出来，用外接矩形去框选目标。查找轮廓的代码充满陷阱，我来写一份能直接跑通并看懂结果的版本：
import cv2 binary = cv2.imread("mask.png", cv2.IMREAD_GRAYSCALE) contours, hierarchy = cv2.findContours( binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE ) canvas = cv2.cvtColor(binary, cv2.COLOR_GRAY2BGR) cv2.drawContours(canvas, contours, -1, (0, 255, 0), 2) for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(canvas, (x, y), (x + w, y + h), (0, 0, 255), 2) cv2.imshow("contours", canvas)findContours的第一个参数必须是二值图，不能是灰度图或彩色图。第二个参数RETR_EXTERNAL表示只提取最外层轮廓，如果改成RETR_LIST则提取所有轮廓并放在同级列表里。第三个参数CHAIN_APPROX_SIMPLE会压缩轮廓点数量，只保留端点，大幅减少内存占用。
drawContours的第三个参数-1表示绘制所有轮廓，第四个参数(0, 255, 0)是 BGR 颜色，第五个参数 2 是线条粗细。cv2.boundingRect返回轮廓的最小外接矩形的 x、y 坐标和宽高，它是轴对齐的，不是最小面积外接矩形。想获得带旋转角度的最小外接矩形要用cv2.minAreaRect，这个在需要框住倾斜目标时才会用到。
代码里我把drawContours画在了彩色画布上，这样绿色轮廓和红色矩形框同时显示，能直观验证找到的轮廓是不是自己要的目标。如果轮廓数量多到爆炸，优先排查输入图是不是经过了THRESH_OTSU和开闭运算，这两个步骤对轮廓质量的贡献比findContours本身参数更大。
5. OpenCV 基础代码的常见坑：路径、通道、坐标与显示的排查记录
5.1 中文路径读不出图：imread 返回 None 的通用解法
现象：cv2.imread("图片/示例.jpg")不报错，打印img显示None，后续代码在访问img.shape时抛异常。
原因：OpenCV 的imread底层依赖 C 标准库的文件读取接口，在 Windows 上对中文路径支持不完整，而 Linux 或 macOS 上多数情况正常。这个现象我在某公司做图像处理 Demo 时遇到过多次，和 OpenCV 版本关系不大。
解决：先用cv2.imdecode配合 numpy 读入字节流，绕开路径编码问题。
import cv2 import numpy as np def imread_unicode(filepath): stream = open(filepath, "rb") data = np.frombuffer(stream.read(), dtype=np.uint8) img = cv2.imdecode(data, cv2.IMREAD_COLOR) stream.close() return img img = imread_unicode("图片/示例.jpg")np.frombuffer把文件读到的字节序列转成 numpy 数组，cv2.imdecode对这个数组解码成图像，不再依赖文件路径字符串。封装成函数后，所有涉及中文路径的读取都走这个入口，写图用cv2.imencode加tofile也能解决同样的问题。
5.2 显示出的图像颜色不对：BGR 与 RGB 的混用
现象：用matplotlib显示cv2.imread读进来的图，画面整体偏蓝，红色变蓝色，蓝色变红色。
原因：OpenCV 读图后通道顺序是 BGR，而matplotlib的imshow默认按 RGB 解释。两者没有谁对谁错，只是约定不同。
解决：显示前主动转换通道顺序。
import cv2 import matplotlib.pyplot as plt img = cv2.imread("demo.jpg", cv2.IMREAD_COLOR) rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) plt.imshow(rgb) plt.axis("off") plt.show()cv2.COLOR_BGR2RGB做的事情只是把通道维度重新排列，没有做颜色插值或变换。实际项目中如果要把处理结果保存成适合网页展示的图片，也是在imwrite之前确认好通道顺序，而不是保存后再补救。
5.3 坐标写反：x 是列，y 是行
现象：框选目标时，矩形位置总是偏离，或者画出来的线在图像外。
原因：OpenCV 的图像坐标以左上角为原点，x 轴向右，y 轴向下。shape返回的是(height, width)，而访问像素、画矩形时用的坐标是(x, y)即(width, height)方向。忘记这一点，就会把行列和宽高搞混。
解决：固定一套写法。取图像尺寸用h, w = img.shape[:2]，之后所有画图操作都写(x, y)，其中x对应列方向，y对应行方向。如果写img.shape[0]当作 x 使用，画出来的位置必然垂直方向偏转。
5.4 waitKey 卡死或无响应：窗口不刷新的两种典型情况
现象：cv2.imshow之后窗口一片灰色，或者按什么键都没反应。
原因：第一种是忘记调用cv2.waitKey。imshow只是把图像数据交给窗口管理器，真正的事件循环由waitKey启动。第二种是waitKey(0)之后没有处理返回键值就退出，在某些 Linux 桌面环境里窗口事件没有正常分发。第三种是连续调用多个imshow，每个窗口出现后没有及时更新，系统把窗口标记为未响应。
解决：把显示逻辑收敛到一个函数里，每次只调用一次waitKey。
def show_images(title, images): for i, img in enumerate(images): cv2.imshow(f"{title}_{i}", img) cv2.waitKey(0) cv2.destroyAllWindows()f"{title}_{i}"给每个窗口生成唯一名字，避免同名窗口互相覆盖。waitKey(0)之后统一销毁所有窗口。如果还需要程序继续运行，把waitKey(0)改成waitKey(1)并配合循环检查key == ord('q')退出。
5.5 二值化后目标变成黑白颠倒：没理解 THRESH_BINARY_INV
现象：目标区域反而成了黑色，背景成了白色，后续找轮廓时发现轮廓全都框在背景上。
原因：THRESH_BINARY把大于阈值的置为 255，如果目标比背景暗，目标就会被置为 0（黑色）。这时需要的是反向二值化。
解决：先用直方图确认目标和背景谁更亮。
import cv2 gray = cv2.imread("demo.jpg", cv2.IMREAD_GRAYSCALE) blurred = cv2.GaussianBlur(gray, (5, 5), 0) ret, binary = cv2.threshold( blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU )cv2.THRESH_BINARY_INV和cv2.THRESH_OTSU用加号连接，两个标志位同时生效。这个写法的好处是阈值仍然自动计算，只是把结果黑白对调。如果加了INV后发现轮廓反而更乱，说明目标本来就是亮的，去掉INV即可。我通常会把两种模式都跑一遍，肉眼确认后定稿，不为省一次运行时间而盲目猜。
6. 一个验证好习惯：用像素差异对比处理前后的效果
基础代码全部跑通之后，需要建立“怎么评价处理效果”的意识。肉眼观察很重要，但不可量化。我习惯用像素差异来验证处理流程是否真的在按预期工作，这套方法在入门阶段就能用。
import cv2 import numpy as np img = cv2.imread("demo.jpg", cv2.IMREAD_GRAYSCALE) blurred = cv2.GaussianBlur(img, (5, 5), 0) diff = cv2.absdiff(img, blurred) print("平均像素差:", diff.mean())cv2.absdiff计算两张图逐像素的绝对差，diff.mean()得到平均差异值。灰度图做高斯模糊后平均像素差通常在 5 到 20 之间，如果超过 40，说明核太大或图像里高频纹理特别多。这个数字可以当作处理强度的量化参考，调整核大小时看这个值的走势，比反复切窗口更可靠。
进阶一点还可以用峰值信噪比来评估处理后的图像质量，OpenCV 没有内置函数，但公式很简单：
import cv2 import numpy as np def psnr(img1, img2): mse = np.mean((img1.astype(np.float64) - img2.astype(np.float64)) ** 2) if mse == 0: return float("inf") return 20 * np.log10(255.0 / np.sqrt(mse)) psnr_value = psnr(img, blurred) print("PSNR:", psnr_value)astype(np.float64)是为了防止无符号整数减法溢出，这是新手最容易踩的数值陷阱。mse是均方误差，PSNR 通常大于 30dB 时认为两张图差异很小。这个函数我每次处理完图像都会跑一遍，记录处理前后的 PSNR，方便对比不同参数的效果。
我在给 A 同学讲完这套基础后，让他拿着同一张图分别做模糊、Canny、二值化、形态学四组处理，每组记录平均像素差和 PSNR，做完再回到原图看视觉对比。这个习惯我一直保留，因为处理代码能不能跑通是一回事，处理效果有没有达到预期是另一回事，量化指标能让后者不再靠猜。字符串拼装的路径、忘掉的waitKey、颠倒的通道顺序，这些坑踩过一次就长记性了，但量化验证的思维需要刻意培养。希望这篇笔记能帮你把基础代码练扎实，少走我当年绕过的弯路。
本文还有配套的精品资源，点击获取
