图像预处理：OpenCV 与 YOLO 的“第一道工序”

各位同学，欢迎来到第二章。上一章我们聊了环境搭建，今天咱们直接上手干活——图像预处理。

你想想看，YOLO 再厉害，它吃的也不是原始照片。它要的是标准化后的“数字饲料”。说白了，预处理就是给模型准备它习惯吃的饭。做不好这一步，后面推理再快也是白搭。

我个人习惯把预处理分成两大块：基础操作和模型适配。基础操作是 OpenCV 的看家本领，模型适配则是专门为 YOLO 这类深度学习模型服务的。咱们一个一个来。

图像读取与显示：别小看这第一步

读取图像，最常用的就是 cv2.imread()。但这里有个坑，我当年刚入行时就踩过。

我曾经在一个项目里，调试了半天发现检测框位置都对，但颜色总不对。最后发现是 BGR 和 RGB 搞混了。从那以后，我每次读取图像后，第一件事就是确认通道顺序。

import cv2
import matplotlib.pyplot as plt

# 读取图像（默认 BGR）
img = cv2.imread('cat.jpg')

# 显示图像（OpenCV 自己的窗口）
cv2.imshow('Cat', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 如果用 matplotlib 显示，需要转换
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.show()

色彩空间转换：YOLO 到底需要什么颜色？

YOLO 模型在训练时，通常使用的是 RGB 图像。但 OpenCV 默认是 BGR，所以转换是必须的。

常用的转换函数是 cv2.cvtColor()。除了 BGR↔RGB，还有 BGR↔GRAY（灰度图）、BGR↔HSV 等。不过对于 YOLO 来说，我们一般只做 BGR→RGB 这一步。

# BGR 转 RGB
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# BGR 转灰度（如果模型接受单通道）
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

嗯，这里要注意：有些同学会问，为什么 YOLO 不用 HSV？其实不是不能用，而是主流预训练模型都是在 RGB 上训的。你换了色彩空间，模型就得重新学，得不偿失。

缩放与裁剪：保持宽高比是关键

YOLO 的输入尺寸通常是固定的，比如 416x416 或 640x640。但我们的图像千奇百怪，怎么办？

直接拉伸会变形，模型学到的空间关系就乱了。我建议的做法是：先按比例缩放，再填充（letterbox）。

def letterbox(img, target_size=640):
    h, w = img.shape[:2]
    scale = min(target_size / w, target_size / h)
    new_w, new_h = int(w * scale), int(h * scale)
    
    # 缩放
    resized = cv2.resize(img, (new_w, new_h))
    
    # 创建画布并填充
    canvas = cv2.copyMakeBorder(
        resized,
        top=(target_size - new_h) // 2,
        bottom=(target_size - new_h + 1) // 2,
        left=(target_size - new_w) // 2,
        right=(target_size - new_w + 1) // 2,
        borderType=cv2.BORDER_CONSTANT,
        value=(114, 114, 114)  # 灰色填充
    )
    return canvas

归一化与数据类型转换：让数值“听话”

图像像素值范围是 0-255，但神经网络喜欢小数值，通常是 0-1 或 -1 到 1。这一步叫归一化。

同时，OpenCV 默认是 uint8 类型，但模型需要 float32。所以数据类型也得转。

# 归一化到 [0, 1]
img_normalized = img_rgb.astype(np.float32) / 255.0

# 或者用 OpenCV 的 normalize 函数
img_normalized = cv2.normalize(img_rgb, None, 0, 1, cv2.NORM_MINMAX, dtype=cv2.CV_32F)

我个人习惯用第一种，简单直接，而且速度更快。你想想看，除以 255 就是一次浮点除法，没什么比这更高效了。

BlobFromImage 详解：YOLO 的“一站式”预处理

终于到了今天的重头戏。OpenCV 的 dnn.blobFromImage() 函数，把上面所有步骤打包成了一个调用。它到底做了什么？

说白了，它帮你完成了：缩放 → 裁剪/填充 → 通道转换 → 归一化 → 数据类型转换 → 维度调整（增加 batch 维度）。

import cv2

# 读取图像
img = cv2.imread('cat.jpg')

# 一站式预处理
blob = cv2.dnn.blobFromImage(
    image=img,
    scalefactor=1.0 / 255.0,   # 归一化
    size=(640, 640),            # 目标尺寸
    mean=(0, 0, 0),             # 均值减除（YOLO 通常不用）
    swapRB=True,                # BGR → RGB
    crop=False                  # 是否裁剪（False 表示 letterbox）
)

# 输出形状：(1, 3, 640, 640)
print(blob.shape)

参数说明：

知识结构总览

下面这张图，帮你把今天的内容串起来。从原始图像到模型输入，每一步都清晰可见。

避坑指南：我踩过的那些坑

• 通道顺序搞反：我曾经用 swapRB=False 跑 YOLOv5，结果检测猫变成了检测“蓝猫”。后来才发现是 BGR 没转 RGB。
• 归一化范围错误：有人用 scalefactor=1.0 然后手动除以 255，结果数值变成 0.0039 左右，模型直接“罢工”。记住，scalefactor 是乘法因子，不是除法。
• 尺寸不匹配：YOLOv8 默认输入是 640x640，但你用 416x416 也能跑，只是精度会下降。我建议始终和模型训练时的尺寸保持一致。
• 数据类型遗忘：归一化后忘记转 float32，模型推理时类型不匹配，报错信息还不明显。排查了半天才发现是 uint8 的问题。