图像读取与显示

使用OpenCV读取图像文件的函数是cv2.imread()，支持多种格式（如JPEG、PNG、BMP等）。参数包括文件路径和读取模式（如灰度cv2.IMREAD_GRAYSCALE或彩色cv2.IMREAD_COLOR）。显示图像使用cv2.imshow()，需配合cv2.waitKey()控制窗口显示时间。

import cv2
img = cv2.imread('image.jpg', cv2.IMREAD_COLOR)
cv2.imshow('Display', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

色彩空间转换

OpenCV默认使用BGR格式，可通过cv2.cvtColor()转换为其他色彩空间（如RGB、HSV、灰度）。HSV空间常用于颜色分割，灰度图可简化计算。

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

图像二值化

二值化将图像转换为黑白两种像素值，常用方法有全局阈值（cv2.threshold()）和自适应阈值（cv2.adaptiveThreshold()）。Otsu算法可自动确定最佳阈值。

_, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)
adaptive_img = cv2.adaptiveThreshold(gray_img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)

图像滤波

平滑滤波用于降噪，常见方法包括：

• 均值滤波：cv2.blur()或cv2.boxFilter()
• 高斯滤波：cv2.GaussianBlur()，保留边缘效果更好
• 中值滤波：cv2.medianBlur()，适合椒盐噪声

blurred = cv2.GaussianBlur(img, (5, 5), 0)

边缘检测

Canny算法是经典的边缘检测方法，步骤包括高斯滤波、梯度计算、非极大值抑制和双阈值检测。

edges = cv2.Canny(blurred, threshold1=50, threshold2=150)

形态学操作

用于处理二值图像中的形状：

• 腐蚀：cv2.erode()，消除边界点
• 膨胀：cv2.dilate()，填补空洞
• 开运算（先腐蚀后膨胀）和闭运算（先膨胀后腐蚀）

kernel = np.ones((3, 3), np.uint8)
eroded = cv2.erode(binary_img, kernel, iterations=1)