📚 课程目录第3章图像IO与显示

3. 图像IO与显示

图像处理的第一步，说白了就是让程序能「看见」图片。你想想看，相机拍到的是一堆像素点，但计算机只认二进制数据。OpenCV 就是那个帮我们搭桥的工具。

我个人习惯把图像 IO 比作「文件搬运工」——从硬盘搬到内存叫读取，从内存搬到屏幕叫显示，再从内存搬回硬盘叫保存。就这么简单。但简单归简单，坑可不少。我刚开始做工业项目时，就因为没搞清楚 BGR 和 RGB 的区别，导致检测结果全错了……嗯，咱们慢慢聊。

3.1 读取图像：imread() 的底层逻辑

OpenCV 读取图像用的是 cv2.imread()。它的核心参数就两个：文件路径和读取模式。

import cv2

# 最常用的方式——彩色模式读取
img = cv2.imread('product.jpg', cv2.IMREAD_COLOR)

# 灰度模式——工业检测中经常用
img_gray = cv2.imread('product.jpg', cv2.IMREAD_GRAYSCALE)

# 保留原图通道（含透明通道）
img_unchanged = cv2.imread('product.png', cv2.IMREAD_UNCHANGED)

⚠️ 我曾经踩过的坑：路径中带中文或空格时，OpenCV 会静默返回 None。它不会报错，你后面调用 img.shape 就直接崩了。所以读取后一定要加判空检查。

读取模式的选择直接影响后续处理效率。我整理了一张表，方便你对照选择：

标志常量	数值	说明	适用场景
`IMREAD_COLOR`	1	默认，3 通道 BGR，忽略透明通道	彩色图像分析、显示
`IMREAD_GRAYSCALE`	0	单通道 8 位灰度图	边缘检测、二值化、模板匹配
`IMREAD_UNCHANGED`	-1	按原图通道读取（含 alpha）	PNG 透明图、深度图
`IMREAD_ANYCOLOR`	4	任意通道数，但保留原深度	特殊格式图像

💡 我的建议：工业项目中，如果后续要做灰度处理，直接在读取时就转成灰度模式。省一次 cv2.cvtColor() 调用，批量处理时能省不少时间。

3.2 显示图像：imshow() 与窗口管理

显示图像用 cv2.imshow()。但这里有个关键点——你必须配合 cv2.waitKey() 和 cv2.destroyAllWindows() 才能正常显示。

cv2.imshow('检测结果', img)
cv2.waitKey(0)      # 等待按键，0 表示无限等待
cv2.destroyAllWindows()

为什么会这样？因为 OpenCV 的显示机制是事件驱动的。没有 waitKey()，窗口一闪就没了。我在调试视觉算法时，经常用这个组合来快速查看中间结果。

窗口管理有几个实用技巧：

窗口自适应：用 cv2.namedWindow('win', cv2.WINDOW_NORMAL) 可以手动调整窗口大小
全屏显示：配合 cv2.setWindowProperty('win', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)
多窗口：不同窗口名可以同时显示多张图，方便对比

⚠️ 注意：在 Jupyter Notebook 或远程服务器上，imshow() 可能无法正常工作。这时可以用 matplotlib 替代显示，但记得 OpenCV 是 BGR 顺序，matplotlib 是 RGB 顺序，需要转换：cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。

3.3 保存图像：imwrite() 的参数控制

保存图像用 cv2.imwrite()。它支持通过参数控制保存质量，这一点在工业项目中非常实用。

# 保存为 JPEG，控制质量（0-100，默认95）
cv2.imwrite('result.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 90])

# 保存为 PNG，控制压缩级别（0-9，默认3）
cv2.imwrite('result.png', img, [cv2.IMWRITE_PNG_COMPRESSION, 5])

# 保存为 BMP（无损，无参数）
cv2.imwrite('result.bmp', img)

不同格式的参数对比：

格式	参数名	取值范围	说明
JPEG	`IMWRITE_JPEG_QUALITY`	0-100	值越大质量越高，文件也越大
PNG	`IMWRITE_PNG_COMPRESSION`	0-9	值越大压缩率越高，速度越慢
WEBP	`IMWRITE_WEBP_QUALITY`	1-100	Google 的现代格式，工业中逐渐普及

💡 我的经验：工业存档建议用 PNG 无损格式。JPEG 的压缩伪影会影响后续检测精度。有一次客户投诉检测不准，查了半天发现是 JPEG 压缩把微小缺陷给「抹平」了。

3.4 格式支持与兼容性

OpenCV 默认支持的格式包括：BMP、PNG、JPEG、JPEG 2000、TIFF、WEBP 等。但要注意，它依赖系统的编解码库。

我遇到过最头疼的问题——在嵌入式设备上，OpenCV 编译时没带 JPEG 支持，结果 imread() 返回 None。排查了半天才发现是编解码库缺失。

检查当前 OpenCV 支持的格式：

# 查看编译时支持的编解码器
print(cv2.getBuildInformation())

# 或者简单测试
img = cv2.imread('test.tiff')
if img is None:
    print("当前环境不支持 TIFF 格式")

3.5 知识结构总览

下面这张图概括了图像 IO 的完整流程和关键节点：

3.6 完整示例：工业检测中的图像 IO 流水线

把上面这些知识点串起来，就是一个完整的工业图像 IO 流程。我写了一个示例，模拟产线上的图像采集、显示和存档：

import cv2
import os
from datetime import datetime

def industrial_image_io(image_path, save_dir='archive'):
    """
    工业级图像 IO 流水线
    """
    # 1. 读取图像（带判空）
    img = cv2.imread(image_path, cv2.IMREAD_COLOR)
    if img is None:
        print(f"[错误] 无法读取图像: {image_path}")
        return None
    
    print(f"[信息] 图像尺寸: {img.shape}")
    
    # 2. 显示图像（带窗口自适应）
    cv2.namedWindow('工业检测', cv2.WINDOW_NORMAL)
    cv2.imshow('工业检测', img)
    
    # 3. 等待按键，按 's' 保存，按 ESC 退出
    key = cv2.waitKey(0)
    if key == 27:  # ESC
        cv2.destroyAllWindows()
        return None
    elif key == ord('s'):
        # 4. 保存为 PNG 无损格式
        os.makedirs(save_dir, exist_ok=True)
        timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')
        save_path = os.path.join(save_dir, f'result_{timestamp}.png')
        cv2.imwrite(save_path, img, [cv2.IMWRITE_PNG_COMPRESSION, 3])
        print(f"[信息] 已保存: {save_path}")
    
    cv2.destroyAllWindows()
    return img

# 使用示例
industrial_image_io('product.jpg')

🔑 核心要点回顾：

imread() 读取后必须判空，路径问题不会报错
imshow() 必须配合 waitKey() 才能正常显示
imwrite() 支持通过参数控制质量和压缩率
工业存档优先选 PNG 无损格式
注意 BGR 与 RGB 的通道顺序差异

嗯，图像 IO 这部分看起来基础，但确实是整个视觉流水线的地基。我见过太多项目因为 IO 环节的疏忽导致后续算法白跑。把基础打牢，后面的检测才能稳。