OpenCV 默认使用 BGR 排列

发布时间：2025-06-24 19:37:40  作者：北方职教升学中心  阅读量：129

确保 NumPy 数组的 dtype 设置为 uint8。scikit-image 等。量化、使用以下命令进行安装：

pip installopencv-python

实现代码

importcv2# 1. 读取图像image_path ='path/to/your/image.jpg'# 替换为你的图像文件路径image =cv2.imread(image_path)# 检查图像是否加载成功ifimage isNone:raiseFileNotFoundError(f"Image file '{image_path}' not found.")# 2. 显示原始图像cv2.imshow('Original Image',image)# 3. 将图像转换为灰度图像gray_image =cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)# 4. 应用高斯模糊blurred_image =cv2.GaussianBlur(gray_image,(15,15),0)# 5. 显示处理后的图像cv2.imshow('Gray Image',gray_image)cv2.imshow('Blurred Image',blurred_image)# 6. 保存处理后的图像cv2.imwrite('gray_image.jpg',gray_image)cv2.imwrite('blurred_image.jpg',blurred_image)# 等待按键事件，然后关闭所有图像窗口cv2.waitKey(0)cv2.destroyAllWindows()

1. 读取图像

   image =cv2.imread(image_path)

   cv2.imread函数从指定路径加载图像，并返回一个图像对象（image）。量化表的选择影响压缩率和图像质量，高频成分的系数通常被设为零，因为人眼对这些变化不太敏感。libtiff 等。例如，对于 JPEG 文件，它可能会调用 libjpeg 的解码函数。

2. flags: 指定图像的读取方式，常用的选项包括：
   • cv2.IMREAD_COLOR：读取彩色图像，忽略 Alpha 通道。

     文章目录

     • OpenCV
     • `cv2.imread` 函数
     • • 函数参数
       • 源码解析
       • • 1.文件读取
         • 2. 解码图像数据
         • 补充：JPEG的压缩原理
         • • 1. RGB到YCBCR颜色空间转换
           • 2. 色度下采样
           • 3. 离散余弦变换（DCT）
           • 4. 量化
           • 5. 运行长度编码和霍夫曼编码
           • 6. 压缩数据的存储
           • 总结
         • 3. 数据转换
         • 具体代码实现
         • 实战案例：图像处理
         • • 目标
           • 环境准备
           • 实现代码
         • 运行结果
         • 扩展功能
         • 扩展代码

     
     在 Python 图像处理领域，有多个常用的库和 API，如 OpenCV、这涉及以下几个步骤：

     • 通道排列：

       • 对于彩色图像，解码后的数据通常包含多个通道（如 RGB 或 BGR）。
       • cv2.IMREAD_UNCHANGED：读取图像，包括 Alpha 通道。BMP 等），因此它会根据文件扩展名或文件头来识别图像格式。其实现原理涉及多个步骤：

         1.文件读取

         • cv2.imread首先定位并打开指定路径的图像文件。量化后的DCT系数、

         • 显示原始图像

           cv2.imshow('Original Image',image)

           cv2.imshow函数用于显示图像，第一个参数是窗口的名称，第二个参数是要显示的图像数据。DCT变换、物体识别、

           实战案例：图像处理

           目标

           这个案例的目标是读取一张图像，将其转换为灰度图像，应用高斯模糊来平滑图像，然后显示和保存处理后的图像。

         • 显示处理后的图像

           cv2.imshow('Gray Image',gray_image)cv2.imshow('Blurred Image',blurred_image)

           显示灰度图像和模糊后的图像。它涉及识别图像格式并使用相应的解码库来解析图像数据。

           cv2.imread函数

           cv2.imread是 OpenCV 中用于读取图像的函数。其基本用法如下：

           importcv2# 读取图像image =cv2.imread('path/to/image.jpg',cv2.IMREAD_COLOR)

           函数参数

           • filename: 图像文件的路径。

             5. 运行长度编码和霍夫曼编码

             量化后的DCT系数通过两种无损压缩技术进行编码：

             • 运行长度编码（RLE）：用于编码量化后的DCT系数中的零序列，从而减少数据量。以 JPEG 为例，解码过程包括逆量化、

           • 解码过程：

             • 解码库将图像文件中的压缩数据解码为原始像素数据。对于彩色图像，这是一个三维数组，其维度为 (高度, 宽度, 通道数)。

               • 识别图像格式：

                 • cv2.imread根据文件扩展名或文件头信息来识别图像格式。

               • 选择解码库：

                 • OpenCV 集成了多个图像解码库，如 libjpeg、

                 2. 解码图像数据

                 解码步骤是整个过程中最复杂的部分。
                 将图像分成8x8像素的块，并对每个块应用DCT。
                 RGB颜色空间直接表示红、

             • 数据类型转换：

               • 解码后的像素数据通常是 uint8 类型（每个像素值在 0 到 255 之间）。

               • 保存处理后的图像

                 cv2.imwrite('gray_image.jpg',gray_image)cv2.imwrite('blurred_image.jpg',blurred_image)

                 cv2.imwrite函数将处理后的图像保存到指定的文件路径。通过集成多个解码库，OpenCV 能够处理多种图像格式，并将解码后的数据转换为易于处理的 NumPy 数组。逆离散余弦变换 (IDCT) 等步骤，最终得到每个像素的颜色值。

               • OpenCV 支持多种图像格式（如 JPEG、

                 环境准备

                 安装OpenCV 库。人眼对亮度变化更敏感，对色度变化不太敏感，因此这种转换有助于后续的压缩。转换到YCBCR颜色空间的公式如下：
                 $Y=0.299R+0.587G+0.114B$
                 $CB=-0.1687R-0.3313G+0.5B+128$
                 $CR=0.5R-0.4187G-0.0813B+128$
                 这种转换使得亮度（Y）与色度（CB和CR）分离，便于后续处理。

               • 将图像转换为灰度图像

                 gray_image =cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

                 cv2.cvtColor函数将图像从 BGR 颜色空间转换为灰度图像。这通常是通过将CB和CR分量的分辨率减少到原来的1/2或1/4来实现的。

             具体代码实现

             下面是一个简化的伪代码示例，展示了 cv2.imread的解码和数据转换过程：

             defimread(filepath):# 1. 打开并读取文件withopen(filepath,'rb')asf:file_data =f.read()# 2. 识别图像格式iffile_data.startswith(b'\xff\xd8'):format='jpeg'eliffile_data.startswith(b'\x89PNG'):format='png'else:raiseValueError('Unsupported image format')# 3. 使用相应的解码库解码图像数据ifformat=='jpeg':image_data =decode_jpeg(file_data)elifformat=='png':image_data =decode_png(file_data)# 4. 将解码后的数据转换为 NumPy 数组height,width,channels =image_data.shape    image_array =np.zeros((height,width,channels),dtype=np.uint8)image_array[:,:,:]=image_data    returnimage_arraydefdecode_jpeg(data):# 使用 libjpeg 解码 JPEG 数据的伪代码returnlibjpeg.decode(data)defdecode_png(data):# 使用 libpng 解码 PNG 数据的伪代码returnlibpng.decode(data)

             实际的 cv2.imread实现更加复杂，包含更多的细节和错误处理，但上述步骤和逻辑展示了其基本原理。运动跟踪、

           • 等待按键事件，关闭所有图像窗口

             cv2.waitKey(0)cv2.destroyAllWindows()

             cv2.waitKey(0)等待用户按下任意键，然后 cv2.destroyAllWindows()关闭所有打开的图像窗口。$YCBCR$颜色空间分为三个分量：亮度（Luma，$Y$）和两个色度（Chroma，$CB$和$CR$）分量。OpenCV 默认使用 BGR 排列。例如，JPEG 文件以 FFD8开头，PNG 文件以 89504E47开头。

             3. 数据转换

             解码后的原始像素数据需要转换为 OpenCV 使用的内部数据结构，即 NumPy 数组。libpng、

             总结

             JPEG压缩技术利用人眼对亮度和色度的敏感度差异，通过RGB到YCBCR转换、

         • 存储到 NumPy 数组：

           • 将解码后的像素数据存储在一个 NumPy 数组中。

         补充：JPEG的压缩原理

         JPEG图像压缩技术通过一系列有损压缩步骤有效地减少图像文件大小，同时保持视觉质量。RLE和霍夫曼编码结果）一起存储为JPEG文件。

运行结果

运行上述代码后，你将看到三个窗口分别显示原始图像、

根据图像格式，cv2.imread会调用相应的解码库函数。机器学习等。OpenCV 是其中最广泛使用的一个库，功能强大，应用广泛。运行长度编码和霍夫曼编码等步骤，有效地减少图像文件大小，同时保持较高的视觉质量。

如果解码库输出的是 RGB 格式，则需要进行通道转换（从 RGB 到 BGR）。例如，4:2:0色度下采样表示每个CB和CR样本都覆盖2x2个亮度样本。OpenCV 提供了大量的图像和视频处理函数，广泛应用于各种计算机视觉任务，如图像处理、

扩展代码

添加了边缘检测和图像旋转的代码如下：

importcv2# 1. 读取图像image_path ='path/to/your/image.jpg'image =cv2.imread(image_path)ifimage isNone:raiseFileNotFoundError(f"Image file '{image_path}' not found.")# 2. 显示原始图像cv2.imshow('Original Image',image)# 3. 将图像转换为灰度图像gray_image =cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)# 4. 应用高斯模糊blurred_image =cv2.GaussianBlur(gray_image,(15,15),0)# 5. 边缘检测edges =cv2.Canny(blurred_image,100,200)# 6. 图像旋转(h,w)=gray_image.shape[:2]center =(w //2,h //2)rotation_matrix =cv2.getRotationMatrix2D(center,45,1.0)# 旋转45度rotated_image =cv2.warpAffine(gray_image,rotation_matrix,(w,h))# 7. 显示处理后的图像cv2.imshow('Gray Image',gray_image)cv2.imshow('Blurred Image',blurred_image)cv2.imshow('Edges',edges)cv2.imshow('Rotated Image',rotated_image)# 8. 保存处理后的图像cv2.imwrite('gray_image.jpg',gray_image)cv2.imwrite('blurred_image.jpg',blurred_image)cv2.imwrite('edges.jpg',edges)cv2.imwrite('rotated_image.jpg',rotated_image)# 等待按键事件，然后关闭所有图像窗口cv2.waitKey(0)cv2.destroyAllWindows()