### 图像处理基础 OpenCV-Python 是一个用于图像处理的强大库，提供了多种功能来处理图像。以下是一些基本的图像处理操作： #### 读取和显示图像 使用 `cv2.imread()` 函数可以读取图像，而 `cv2.imshow()` 函数可以用来显示图像。 ```python import cv2 # 读取图像 img = cv2.imread('path_to_image.jpg') # 显示图像 cv2.imshow('Image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 调整图像大小 可以使用 `cv2.resize()` 函数来调整图像的大小。 ```python resized_img = cv2.resize(img, (new_width, new_height)) ``` #### 旋转图像 使用 `cv2.warpAffine()` 函数结合旋转矩阵可以实现图像的旋转。 ```python import cv2 import numpy as np # 获取旋转矩阵 (h, w) = img.shape[:2] center = (w // 2, h // 2) M = cv2.getRotationMatrix2D(center, angle, scale) # 应用旋转矩阵 rotated_img = cv2.warpAffine(img, M, (w, h)) ``` ### 图像滤波技术 OpenCV 提供了几种不同的滤波器来处理图像噪声。例如，均值滤波、高斯滤波、中值滤波等。 #### 均值滤波 ```python blurred_img = cv2.blur(img, (kernel_width, kernel_height)) ``` #### 高斯滤波 ```python blurred_img = cv2.GaussianBlur(img, (kernel_width, kernel_height), sigmaX=0) ``` #### 中值滤波 ```python blurred_img = cv2.medianBlur(img, kernel_size) ``` ### 图像金字塔 图像金字塔是一种多尺度表示方法，用于图像融合、图像增强等任务。OpenCV 提供了 `cv2.pyrUp()` 和 `cv2.pyrDown()` 函数来实现图像的上采样和下采样[^2]。 ```python up_sampled_img = cv2.pyrUp(img) down_sampled_img = cv2.pyrDown(img) ``` ### 图像显示 为了显示处理后的图像，可以使用 `cv2.imshow()` 函数，并且通常需要 `cv2.waitKey()` 和 `cv2.destroyAllWindows()` 来控制窗口的行为。 ```python cv2.imshow('Processed Image', processed_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这些基本的操作构成了使用 OpenCV 进行图像处理的基础。通过组合这些技术，可以实现复杂的图像处理流程。