3、OpenCV基础与环境搭建：OpenCV简介、Python环境配置、图像读取/显示/保存、像素操作基础
3.1 为什么是OpenCV？
做图像处理，OpenCV几乎是绕不开的工具。我入行那会儿，最早接触的是Matlab，后来转到Python，发现OpenCV才是工业界的标配。说白了，它就是一个开源的计算机视觉库，C++写的，但给Python留了非常友好的接口。
你想想看，从摄像头读取视频流、做实时人脸检测、到图像滤波、色彩空间转换，OpenCV全包了。我个人习惯把它叫做「视觉瑞士军刀」——功能多，而且稳定。
核心优势：
- 跨平台：Windows、macOS、Linux、Android、iOS，一套代码到处跑
- 性能高：底层C++优化，处理1080p图像毫秒级响应
- 生态全：2500+算法，从基础操作到深度学习推理全覆盖
- 社区大：遇到坑，StackOverflow上基本都有答案
3.2 Python环境配置
嗯，这里要注意。很多初学者卡在环境配置上，其实没那么复杂。我建议用虚拟环境，别把包装到系统Python里，不然以后项目多了会乱。
3.2.1 安装Python
推荐Python 3.8到3.11版本。太新的版本有些旧版OpenCV可能不兼容。我曾经踩过这个坑——装了Python 3.12，结果某个旧项目死活装不上opencv-python，最后降级才解决。
| 组件 | 推荐版本 | 说明 |
|---|---|---|
| Python | 3.8 - 3.11 | 稳定，兼容性好 |
| pip | 最新版 | 包管理工具 |
| opencv-python | 4.8.x 或 4.9.x | 核心库 |
| numpy | 1.24.x 或更新 | 图像本质是矩阵 |
3.2.2 安装OpenCV
一行命令搞定：
pip install opencv-python numpy如果你想用OpenCV的GUI功能（比如显示图像窗口），建议再装一个：
pip install opencv-contrib-python小提示： 国内用户如果下载慢，可以加镜像源：pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
3.2.3 验证安装
打开Python交互环境，输入：
import cv2
print(cv2.__version__)如果输出版本号，比如 4.9.0，那就成了。
3.3 图像读取、显示与保存
这部分是基本功。我刚开始做项目时，经常在读取路径上翻车——中文路径、反斜杠、文件不存在，各种问题。后来养成习惯，一律用路径或 os.path 拼接。
3.3.1 读取图像
import cv2
# 读取图像
img = cv2.imread('photo.jpg')
# 检查是否读取成功
if img is None:
print("图片没找到，检查路径！")
else:
print(f"图像尺寸：{img.shape}")cv2.imread() 默认以BGR格式读取，不是RGB。这个坑我当年栽过——用OpenCV读图，用matplotlib显示，结果颜色全不对。原因就是OpenCV用BGR，matplotlib用RGB。
3.3.2 显示图像
cv2.imshow('窗口标题', img)
cv2.waitKey(0) # 等待按键
cv2.destroyAllWindows()waitKey(0) 表示无限等待，按任意键关闭窗口。如果你想让窗口自动关闭，可以设置毫秒数，比如 waitKey(3000) 等3秒。
注意： 在Jupyter Notebook里，cv2.imshow() 可能不好使。建议用 matplotlib 或 cv2_imshow()（Google Colab专用）。
3.3.3 保存图像
cv2.imwrite('output.jpg', img)就这么简单。你可以指定保存格式，OpenCV会根据文件后缀自动判断。比如 .png 是无损压缩，.jpg 是有损压缩。
3.4 像素操作基础
图像是什么？说白了就是一个多维数组。一张彩色图片，在OpenCV里就是 height × width × 3 的矩阵，3个通道对应B、G、R。
3.4.1 访问像素值
# 获取(100, 200)位置的像素值
(b, g, r) = img[100, 200]
print(f"B:{b}, G:{g}, R:{r}")
# 只获取蓝色通道
b_value = img[100, 200, 0]索引顺序是 [行, 列, 通道]。通道索引：0=蓝，1=绿，2=红。
3.4.2 修改像素值
# 把(100, 200)位置的像素设为红色
img[100, 200] = (0, 0, 255)
# 批量修改：把左上角50x50区域设为绿色
img[0:50, 0:50] = (0, 255, 0)我在做证件照背景替换时，就是通过遍历像素、判断颜色范围来抠图的。虽然现在有AI抠图，但理解像素级操作，对后面学色彩迁移很有帮助。
3.4.3 图像属性
print(f"形状: {img.shape}") # (高, 宽, 通道数)
print(f"像素数: {img.size}") # 高×宽×通道
print(f"数据类型: {img.dtype}") # 通常是uint83.5 本章知识体系
下面这张图，帮你理清本章的核心脉络：
3.6 避坑指南
我曾经踩过的坑：
- 路径问题：
imread()不会报错，只返回None。所以一定要加if img is None检查 - 颜色混乱：OpenCV默认BGR，用matplotlib显示前要转换：
cv2.cvtColor(img, cv2.COLOR_BGR2RGB) - 数据类型：像素值是
uint8（0-255），做加减法时注意溢出。比如img + 50会溢出，要用cv2.add() - 窗口卡死：
imshow()后必须跟waitKey()，否则窗口无响应
3.7 动手练一练
光看没用，得敲代码。我建议你完成这个小练习：
- 读取一张自己的照片
- 把照片左上角100×100区域涂成蓝色
- 在照片中央画一个红色矩形（提示：用
cv2.rectangle()） - 保存修改后的图片
这个练习涵盖了本章所有核心操作。做完它，你就迈出了人像美化的第一步。