### 1. 图像的读入、显示和存储 (OpenCV 和 Matplotlib 方式) 及其属性获取 #### 使用 OpenCV 进行操作： **安装依赖库** ```bash pip install opencv-python matplotlib numpy ``` **导入必要的包并加载图像** ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 读取彩色图像，默认模式，适用于大部分场景 img = cv2.imread('path_to_image.jpg', cv2.IMREAD_COLOR) # 显示图片信息(宽度 高度 渠道) print(f"Image shape: {img.shape}") # 获取像素值范围 min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(img) print(f"Min Pixel Value: {min_val}, Max Pixel Value: {max_val}") # 展示图像窗口名称可以自定义设置 cv2.imshow("Original Image", img) # 等待按键事件，0表示无限等待直到有键按下；非零则指定毫秒数作为超时时间 cv2.waitKey(0) # 关闭所有打开的窗口 cv2.destroyAllWindows() # 存储处理后的图像到文件系统中去 cv2.imwrite('saved_image.png', img) ``` 注意，在使用 `imshow` 函数展示通过 OpenCV 加载过的图像时需要注意色彩空间的问题——因为默认情况下它会将 BGR 格式的颜色转成 RGB。 #### 使用 Matplotlib 操作: 对于 Matplotlib 来说，虽然它可以用于显示由 OpenCV 导入的数据，但它更擅长绘制图形而非直接处理图像数据。因此我们通常先用 OpenCV 或者 PIL 库来加载图像再交给 Matplotlib 去呈现。 ```python plt.figure(figsize=(8,6)) plt.title("Display image using Matplotlib") plt.axis("off") # 不需要坐标轴 plt.imshow(cv2.cvtColor(img,cv2.COLOR_BGR2RGB)) # 转换颜色通道顺序以适应Matplotlib的要求 plt.show() ``` --- ### 2. 提取与合并图像的颜色通道 每个图像都有特定数量的颜色通道代表该位置处的颜色强度（例如红绿蓝）。我们可以单独取出每一个分量进行独立编辑后再组合回去形成新的结果图。 ```python # 分离B,G,R三个单色平面 b,g,r=cv2.split(img) # 创建全黑底板并将其中某一原色恢复上去查看效果 zeros=np.zeros(img.shape[:2],dtype="uint8") blue_channel= cv2.merge([b,zeros,zeros]) green_channel = cv2.merge([zeros,g,zeros]) red_channel = cv2.merge([zeros,zeros,r]) # 合并且保存修改过的作品 merged_img=cv2.merge((b,g,r)) cv2.imwrite('output_merged_channels.jpg', merged_img ) ``` --- ### 3. 不同颜色模型间的变换 颜色空间是指如何组织描述颜色的方式。常见的有 RGB （红色绿色蓝色）、HSV(Hue Saturation Value)/HSL等几种类型。它们各有特点适合不同的应用场景比如计算机视觉任务常用 HSV 彩色空间来进行阈值分割过滤背景杂波等等。 下面演示一下怎样利用 Python 的 Opencv 库完成从标准 sRGB 到 Lab 色彩系统的互转工作流程。 ```python labImg = cv2.cvtColor(img,cv2.COLOR_BGR2LAB) l,a,b = cv2.split(labImg ) # 将 L* 分布拉伸至整个动态范围内，并保持 A*, B* 完整不变。 l stretched_l = cv2.normalize(l,None,alpha=0,beta=255,norm_type=cv2.NORM_MINMAX,dtype=cv2.CV_8U) normalized_lab = cv2.merge((stretched_l,a ,b )) final_output_bgr = cv2.cvtColor(normalized_lab,cv2.COLOR_LAB2BGR) cv2.imshow("Normalized LAB Output", final_output_bgr ) cv2.waitKey(0);cv2.destroyWindow("Normalized LAB Output") ``` 上述例子只是简单的介绍了部分功能点的具体应用方式，更多高级特性建议参考官方文档深入学习！