2. OpenCV基础（一）：图像读取与显示、属性、保存与像素操作

好，咱们正式开始动手写代码。这一章是OpenCV的入门基本功，说白了就是怎么把一张图片从硬盘里拽出来，看看它长什么样，改几个像素再存回去。这些操作在YOLO项目中几乎天天用——你想想看，训练前要检查数据集，推理时要显示检测结果，后处理要裁剪ROI，全都绕不开这几个函数。

我个人习惯把这一套流程叫做「图像生命周期管理」。别笑，名字起得大，但核心就四个动作：读、看、改、存。咱们一个一个来。

2.1 图像读取：imread

imread 是OpenCV的入口函数。它的签名很简单：

cv::Mat cv::imread(const String& filename, int flags = IMREAD_COLOR)

第一个参数是文件路径，第二个参数是读取模式。模式这块容易踩坑，我列个表：

标志常量 数值 含义
IMREAD_COLOR 1 默认模式，加载为BGR三通道彩色图，忽略Alpha通道
IMREAD_GRAYSCALE 0 加载为单通道灰度图
IMREAD_UNCHANGED -1 保留原图所有通道（含Alpha）
IMREAD_ANYCOLOR 4 按原图色彩加载，但会转成8位
我曾经踩过的坑： 用 IMREAD_COLOR 加载PNG透明图，结果Alpha通道直接丢了。后来做YOLO分割任务时，发现mask边缘有锯齿，查了半天才发现是读取时把透明度信息扔了。如果你需要保留透明通道，务必用 IMREAD_UNCHANGED。

代码示例：

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    // 彩色读取
    cv::Mat img_color = cv::imread("cat.jpg", cv::IMREAD_COLOR);
    // 灰度读取
    cv::Mat img_gray = cv::imread("cat.jpg", cv::IMREAD_GRAYSCALE);
    // 保留原通道
    cv::Mat img_unchanged = cv::imread("cat.png", cv::IMREAD_UNCHANGED);

    if (img_color.empty()) {
        std::cerr << "图片没找到，检查路径！" << std::endl;
        return -1;
    }
    return 0;
}

注意那个 empty() 检查。我见过太多新手直接拿空Mat往下传，程序崩了还不知道为什么。路径写错、文件名大小写不对、中文路径——这些都是常见原因。

2.2 图像显示：imshow + waitKey

读进来之后，总得看一眼吧？imshow 负责把Mat渲染到窗口上。

cv::imshow("窗口标题", img_color);
cv::waitKey(0);  // 等待按键，0表示无限等待

这里有个关键点：imshow 必须搭配 waitKey 才能正常显示。为什么？因为OpenCV的GUI事件循环是靠 waitKey 驱动的。你不调用它，窗口一闪就没了，或者干脆不显示。

小技巧： waitKey(30) 表示等待30毫秒，常用于视频流显示。返回值是按键的ASCII码，比如按 'q' 退出：if (cv::waitKey(1) == 'q') break;

另外，imshow 默认把图像缩放到适应窗口大小。如果你想固定窗口尺寸，可以用 cv::namedWindow 配合 WINDOW_NORMAL 标志：

cv::namedWindow("可缩放窗口", cv::WINDOW_NORMAL);
cv::imshow("可缩放窗口", img_color);
cv::waitKey(0);

2.3 图像属性：shape 与 dtype

拿到Mat之后，第一件事就是看它的属性。OpenCV的Mat有三个核心属性：

  • rows：图像高度（像素行数）
  • cols：图像宽度（像素列数）
  • channels()：通道数（灰度=1，BGR=3，BGRA=4）
  • type()：数据类型，比如 CV_8UC3 表示8位无符号三通道
  • depth()：每个通道的位深

代码示例：

std::cout << "图像尺寸: " << img_color.rows << " x " << img_color.cols << std::endl;
std::cout << "通道数: " << img_color.channels() << std::endl;
std::cout << "数据类型: " << img_color.type() << std::endl;  // 输出16，对应CV_8UC3

你可能会问：为什么OpenCV用BGR而不是RGB？历史原因——早期Windows的BMP格式就是BGR，OpenCV沿用了这个约定。所以用 imshow 显示没问题，但如果你用 matplotlib 显示，记得转成RGB：cv::cvtColor(img, img_rgb, cv::COLOR_BGR2RGB)。

2.4 图像保存：imwrite

处理完图像，要存盘就用 imwrite。它的签名：

bool cv::imwrite(const String& filename, InputArray img, const std::vector<int>& params = std::vector<int>())

第三个参数是编码参数，我常用的几个：

编码参数 作用 示例
IMWRITE_JPEG_QUALITY JPEG压缩质量，0-100 params.push_back(95);
IMWRITE_PNG_COMPRESSION PNG压缩级别，0-9 params.push_back(3);
IMWRITE_WEBP_QUALITY WebP质量，0-100 params.push_back(80);
实战经验： 做YOLO数据集预处理时，我经常批量保存增强后的图片。JPEG质量设95以上基本看不出损失，但文件大小能小一半。PNG压缩级别别设太高，9级压缩慢得离谱，3-5级性价比最高。 
std::vector<int> params;
params.push_back(cv::IMWRITE_JPEG_QUALITY);
params.push_back(95);
bool success = cv::imwrite("output.jpg", img_color, params);
if (!success) {
    std::cerr << "保存失败！检查目录权限。" << std::endl;
}

2.5 像素操作与ROI提取

终于到了最核心的部分。在YOLO里，你要频繁地操作像素——画检测框、提取目标区域、做数据增强。OpenCV提供了两种方式：

2.5.1 直接像素访问

最直观的方法是用 at<T>：

// 读取(10, 20)位置的BGR值
cv::Vec3b pixel = img_color.at<cv::Vec3b>(10, 20);
int blue  = pixel[0];
int green = pixel[1];
int red   = pixel[2];

// 修改该像素为红色
img_color.at<cv::Vec3b>(10, 20) = cv::Vec3b(0, 0, 255);

注意：at<T> 的行列顺序是 (row, col)，也就是 (y, x)。这和数学坐标系不一样，初学者经常搞反。

对于灰度图：

uchar val = img_gray.at<uchar>(10, 20);
img_gray.at<uchar>(10, 20) = 128;
性能警告： at<T> 每次调用都会做边界检查，在循环里逐像素操作时非常慢。我曾经在一个1080p图像上逐像素遍历，花了200多毫秒。后来改用指针方式，直接降到5毫秒。所以大批量操作时，用 ptr 或 data 指针。

指针方式示例：

for (int r = 0; r < img_color.rows; r++) {
    cv::Vec3b* row_ptr = img_color.ptr<cv::Vec3b>(r);
    for (int c = 0; c < img_color.cols; c++) {
        row_ptr[c][0] = 255;  // 把这一行所有像素的蓝色通道设为255
    }
}

2.5.2 ROI提取

ROI（Region of Interest）是YOLO里最常用的操作之一。比如你检测到一只猫，想把这个区域单独拿出来做分类，就需要ROI。

OpenCV用 cv::Rect 定义矩形区域：

// 定义ROI：左上角(100, 50)，宽200，高150
cv::Rect roi(100, 50, 200, 150);
cv::Mat img_roi = img_color(roi);  // 浅拷贝，共享内存

// 如果想独立拷贝一份
cv::Mat img_roi_copy = img_color(roi).clone();

这里有个重要概念：浅拷贝 vs 深拷贝。直接用 () 运算符得到的ROI和原图共享数据内存，修改ROI会影响原图。用 clone() 或 copyTo() 才会开辟新内存。

我画个图帮你理解这个关系：

Mat数据共享关系图 原图 Mat rows=480, cols=640 ROI 浅拷贝 img_color(roi) 共享数据内存 ROI 深拷贝 .clone() ⚠ 修改浅拷贝ROI 原图也会跟着变

ROI的典型应用场景：

  • YOLO推理后处理：从检测框坐标提取目标区域，做二次分类或OCR
  • 数据增强：随机裁剪图像的一部分作为训练样本
  • 图像拼接：把多个ROI贴到一张大图上

完整示例：读取图片，提取ROI，修改像素，保存结果。

#include <opencv2/opencv.hpp>

int main() {
    cv::Mat img = cv::imread("cat.jpg");
    if (img.empty()) return -1;

    // 提取左上角100x100区域
    cv::Rect roi(0, 0, 100, 100);
    cv::Mat roi_img = img(roi).clone();  // 深拷贝，独立操作

    // 把ROI区域全部变蓝
    roi_img = cv::Scalar(255, 0, 0);

    // 在原图相同位置画一个红色矩形框
    cv::rectangle(img, roi, cv::Scalar(0, 0, 255), 2);

    cv::imshow("原图", img);
    cv::imshow("ROI", roi_img);
    cv::waitKey(0);

    cv::imwrite("result.jpg", img);
    return 0;
}
我的习惯： 做ROI操作时，除非明确要修改原图，否则一律用 .clone()。虽然多占一点内存，但能避免一堆诡异的bug。尤其是多线程环境下，共享数据出问题很难排查。

2.6 本章小结

这一章的内容，说白了就是图像处理的「四件套」：读、看、改、存。再加上ROI提取和像素操作，你已经能完成YOLO项目里80%的图像预处理工作了。

嗯，这里要注意：这些基础操作一定要练到肌肉记忆。我刚开始做YOLO项目时，经常在 imread 路径和 at<T> 的坐标顺序上翻车。多写几遍，自然就熟了。

← 上一章 📖 返回目录 下一章 →