1.3 图像读取显示与基本操作
1.3 图像读取、显示与基本操作
本节摘要：imread、imshow、imwrite 构成读—显—存闭环，是所有视觉程序的第一段代码。本节讲透它们的参数与陷阱——imread 失败不抛异常而是返回 None、waitKey 与 imshow 必须配对、resize 的插值方法怎么选——并覆盖缩放、裁剪、翻转、通道拆合、像素读写这些日常操作。读完你能独立完成一条"读图 → 改图 → 存图"的最小流水线。
学习目标
阅读完本节，你应当能够：
- 熟练使用 imread 的三种读取模式并解释各自得到的通道数
- 解释 imread 失败为什么静默返回 None，并写出防御性代码
- 搭配 imshow 与 waitKey 完成窗口交互，包括按 ESC 退出
- 用 imwrite 保存处理结果并理解格式由扩展名决定
- 完成缩放、裁剪、翻转、通道拆分合并，并说出 resize 三种插值的适用差异
先跑起来：第一条完整流水线
不需要任何素材，我们手工造一张图，走完读改存全流程（真实文件同理，把造图换成 imread 即可）：
import cv2 import numpy as np # 造一张 300x400 的图，中间画一个绿色矩形 img = np.zeros((300, 400, 3), dtype=np.uint8) cv2.rectangle(img, (100, 80), (300, 220), (0, 255, 0), -1) # 显示：imshow 必须紧跟 waitKey，否则窗口无响应 cv2.imshow('demo', img) key = cv2.waitKey(0) # 0 表示无限等待按键 cv2.destroyAllWindows() # 保存：格式由扩展名决定 cv2.imwrite('result.png', img)
这段二十行的代码里有三个值得停下来的点。其一，waitKey(0) 参数是等待毫秒数，0 表示一直等到按键；返回值是按键的键值，拿它和 27（ESC 的 ASCII 码）比较就能实现"按 ESC 退出"，这是后面视频循环的标准写法。其二，rectangle 的坐标参数是 (x1, y1) 和 (x2, y2)——先横后纵，与数组索引的先行后列相反，上一节的口诀这里直接用上。其三，imwrite 按扩展名决定编码器，写成 .png 就是无损保存，写成 .jpg 就是有损压缩。
对真实文件，读图的标准姿势带防御：
img = cv2.imread('example.jpg', cv2.IMREAD_COLOR) if img is None: raise FileNotFoundError('读取失败：检查路径、文件名与格式支持')
为什么必须防御？因为 imread 读不到文件时不抛异常，只返回 None。如果你直接把 None 传给后续函数，报错会出现在很远的地方，信息还难懂。路径错、文件损坏、格式不支持（比如一些小众的 TIFF 变体）、中文路径在某些版本上读不了——四种原因，同一个 None。在源头判一次，一分钟省半小时。
核心原理：每个函数的机制与参数
2.1 imread 的读取模式
| 模式标志 | 结果 | 典型用途 |
|---|---|---|
| IMREAD_COLOR | 3 通道 BGR，忽略透明 | 默认选择，绝大多数场景 |
| IMREAD_GRAYSCALE | 单通道灰度 | 进边缘、阈值类算法前一步到位 |
| IMREAD_UNCHANGED | 原样读入，含 alpha 通道 | 处理透明 PNG、需要第 4 通道时 |
数字简写分别是 1、0、-1，旧代码里常见 cv2.imread(p, 0)，就是灰度读取。用带名字的标志，可读性完全不同。
2.2 显示机制：为什么 imshow 之后窗口是灰的
imshow 并不真正"刷新"窗口，它把图像放进待显示队列，真正的渲染发生在 waitKey 里——这个函数一边等键盘，一边给 GUI 线程处理消息的机会。所以漏掉 waitKey 的 imshow 只会闪出一个无响应的灰色窗口。反过来，处理批量图片又不能每次都无限等待，常见写法是 waitKey(1000)：显示一秒自动继续。多窗口的用法是多次调用 imshow 传不同窗口名，OpenCV 会开多个窗口平铺。
2.3 resize 与插值：缩小放大不是简单地删点加点
改变尺寸时，目标图的每个像素值要由原图"推算"出来，推算规则就是插值方法：
| 插值方法 | 特点 | 什么时候用 |
|---|---|---|
| INTER_NEAREST | 取最近邻，最快，有锯齿 | 像素画、掩码图（不允许出现"新灰度值"） |
| INTER_LINEAR | 双线性，速度与质量均衡 | 默认；放大场景首选 |
| INTER_AREA | 区域平均 | 缩小场景首选，抗摩尔纹 |
| INTER_CUBIC / INTER_LANCZOS4 | 高阶插值，慢但平滑 | 对放大质量要求高时 |
一个高频翻车点：缩小掩码或标签图用了默认的 LINEAR，结果是 0 和 255 的边界处出现一堆中间值，二值图被悄悄污染成"灰图"。掩码缩放务必 NEAREST。缩小照片用 AREA，放大用 LINEAR 或 CUBIC，是我多年的默认配置。
small = cv2.resize(img, (200, 150), interpolation=cv2.INTER_AREA)
注意第一个尺寸参数是 (宽, 高)——又是先 x 后 y 的惯例。
2.4 裁剪与翻转：数组切片的胜利
裁剪不需要专门函数，直接切片，零拷贝成本：
roi = img[50:250, 100:350] # 行50到249，列100到349 roi[:, :] = (0, 0, 255) # 注意：这会改动原图！切片是视图不是副本
切片得到的是原数组的视图，改它等于改原图。想要独立副本，用 roi.copy()。这个语义与 NumPy 完全一致，但在图像场景里更容易踩：你把 ROI 传给某个函数"看看效果"，回来发现原图也被改了。
翻转有专门函数：cv2.flip(img, 1) 水平翻转（1 是翻转码），flip(img, 0) 垂直翻转，flip(img, -1) 两个方向一起翻。摄像头镜像显示（主播看自己习惯镜像）就是水平翻转最常见的应用。
2.5 通道的拆与合
b, g, r = cv2.split(img) # 拆成三张单通道图 merged = cv2.merge((b, g, r)) # 按顺序合回去
拆出来的每个通道本身是一张灰度图——"红色通道图"里越亮的区域表示红色分量越强。这个操作在观察颜色分布、做通道级增强时很有用。但 split 代价不小（数据复制三份），如果只想改一个通道，用 NumPy 索引 img[:,:,0] 更省。彩色转灰度则是 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)，它不是简单取平均，而是按人眼敏感度加权（绿色权重最高），所以天空的蓝转灰后偏暗、草地偏亮，符合人的观感。
读改存的完整流程图：
工程实践要点
3.1 像素读写的两种方式
改一个像素可以 img[10, 20] = (255, 0, 0)，但大量逐点访问时，NumPy 花式索引比 Python 循环快得多。比如"把整张图里所有超过 240 的亮点压到 200"，一行搞定：
img[img > 240] = 200
向量化的思维方式从本节就该建立：想改的像素先用布尔条件"圈"出来，再整体赋值。
3.2 显示大图与多图的技巧
4K 图直接 imshow 会超出屏幕，先 resize 到一半再看。想一次对比原图与处理结果，用 np.hstack((img, result)) 水平拼接后显示一个窗口，比开两个窗口直观。注意 hstack 要求两图同高且同通道数，不一致先统一尺寸。
3.3 中文路径问题
部分 OpenCV 版本的 imread 在 Windows 上读不了含中文的路径，仍返回 None。规避方式是路径全用英文，或者用 NumPy 中转：以二进制读入文件再解码，绕过 imread 的路径处理。团队项目里直接规定"素材目录只用英文命名"，是最省心的制度解。
⚠️ 常见坑：imwrite 返回 False 但不报错。原因通常是目录不存在、没有写权限，或扩展名拼错（如
.jpge）。保存关键结果时判断一下返回值再往下走，否则跑完一小时的处理发现什么都没存下来。
💡 关键直觉：把"读 → 判空 → 处理 → 存"写成固定开头的四行模板，每次新脚本直接复制。防御性检查的成本是两行代码，收益是避免整条流水线在错误数据上空转。
3.4 一张自测表
| 我想做 | 用什么 | 参数注意点 |
|---|---|---|
| 读入并转灰度 | imread 加 IMREAD_GRAYSCALE | 一步到位，省一次 cvtColor |
| 缩小照片 | resize 加 INTER_AREA | 尺寸参数是宽在前 |
| 缩小掩码 | resize 加 INTER_NEAREST | 防止引入中间灰度值 |
| 裁一块区域 | 数组切片 | 得到视图，改动会影响原图 |
| 水平镜像 | flip 翻转码 1 | 摄像头自拍的常用姿势 |
| 分离颜色分量 | split 或数组索引 | 改单通道优先用索引 |
3.5 常见疑问与解答
resize 的尺寸参数和 shape 的顺序为什么相反？
历史习惯叠加的结果：shape 是数组维度的顺序（行在前，即高在前），resize 沿用了几何坐标的惯例（x 在前，即宽在前）。抱怨没有意义，记住口诀（第 1 章第 1 节）并在写完代码后用 shape 打印验证，才是务实做法。同类陷阱还有 rectangle 等绘图函数的坐标参数，全是先 x 后 y。
批量处理一个文件夹的图，循环里要注意什么？
三件事：文件名排序要固定（某些系统目录遍历顺序不定，显式 sorted）；每张图读后判空（一张坏图不应当炸掉整批任务，记日志跳过）；循环里不要重复创建窗口与反复销毁（imshow 复用同一窗口名即可）。批处理脚本的健壮性不在算法在细节，这三条覆盖了大多数翻车现场。
保存的 PNG 比 JPEG 大很多倍，值得吗？
看这张图的用途。作为中间结果（还要继续处理），无损是刚需，PNG 别无选择；作为最终成片归档，JPEG 的体积优势明显。一个折中实践：处理流水线内部全用 PNG，最后一步按需转存 JPEG，兼顾精度与存储。
怎么知道一张图有没有 alpha 通道？
看 shape 的第三个数：没有第三维是灰度，是 3 的彩色，是 4 的带透明。第 1 章第 1 节的"先打印 shape"习惯在这里直接兑现。需要丢弃 alpha 时，用 IMREAD_COLOR 读入或对数组做通道切片。
3.6 实战小组合：三行代码的常用配方
日常脚本里有一批"高频三行组合"，值得单独记下。
给检测结果打标签：rectangle 画框之后 putText 写类别，两个函数的坐标同源（都是先 x 后 y），框的左上角减去字高的位置放文字最稳妥（文字在框外上方，不遮挡目标）。开窗对比：hstack 拼接原图与结果并排显示，拼接前统一尺寸（resize 到同高），配 window 名写清是什么。逐帧缩略预览：视频处理时把每帧缩到四分之一再 imshow，预览窗口不挡屏幕，处理速度也少受显示拖累——显示本身有开销，很多人不知道自己的"处理慢"里有一半是全尺寸 imshow 的锅。
另一个值得沉淀的习惯是"读写配对的压力测试"：把你的处理结果 imwrite 成 PNG 再 imread 回来，逐像素比对是否一致。无损格式应当完全一致，出现差异说明流程里混进了有损环节（比如中间存了 JPEG）。这个测试写一次，日后排查"结果莫名其妙变差"时直接复用。
3.7 常见疑问补遗
显示窗口能调大小吗？
imshow 的窗口默认按图像原始尺寸创建，大图超出屏幕时可以用 namedWindow 加 WINDOW_NORMAL 标志先建可缩放窗口再显示，窗口可任意拉伸（图像随之缩放渲染，不影响数据本身）。调试高分辨率图时这个功能很实用。
一张图读进来是反的（上下颠倒）怎么办？
相机驱动或文件的图像原点约定不同（部分采集卡给出的是倒置数据）。别在每张图上手动 flip 修，去源头改采集参数或流的翻转属性（第 5 章第 1 节会见到相关属性），在流水线入口统一摆正一次即可。
本节要点回顾
- imread 静默失败：读不到返回 None 而非报错，读后必判空，把问题拦在源头。
- imshow 必配 waitKey：渲染发生在 waitKey 中，参数即等待毫秒数，返回键值可做 ESC 退出。
- imwrite 靠扩展名：格式由后缀决定，返回 False 表示写失败，目录与权限是首要嫌疑。
- 插值方法有讲究：缩小用 AREA、放大用 LINEAR、掩码必用 NEAREST，用错会悄悄毁数据。
- 切片是视图：裁剪结果与原图共享内存，要独立副本就显式 copy。
- 向量化优先：布尔索引圈定像素再整体赋值，避免 Python 级逐点循环。
至此第 1 章收尾。你已经能读图、改图、存图，理解了数组世界观。下一章进入六件套正餐——第一道是滤波：噪声从哪来，中值和高斯各治什么病。