OpenCV與圖像處理學習一——圖像基礎知識、讀入、顯示、保存圖像、灰度轉化、通道分離與合并

• 一、圖像基礎知識
• • 1.1 數字圖像的概念
  • 1.2 數字圖像的應用
  • 1.3 OpenCV介紹
• 二、圖像屬性
• • 2.1 圖像格式
  • 2.2 圖像尺寸
  • • 2.2.1 讀入圖像
    • 2.2.2 顯示圖像
    • 2.2.3 保存圖像
  • 2.3 圖像分辨率和通道數
  • • 2.3.1 灰度轉化
    • 2.3.2 RGB與BGR轉化
    • 2.3.3 通道分離
    • 2.3.4 通道合并

圖像處理與OpenCV作為CV方向的基礎，在正式系統地學習論文之前，有必要對其進行系統的學習。而OpenCV作為使用最為廣泛的圖像處理工具包，這里將其作為學習的工具，因為較為熟悉python，所以使用OpenCV的python接口來完成代碼。

圖像處理與OpenCV的學習主要包括五個部分：

• 圖像基礎知識
• 圖像處理
• 圖像分割
• 圖像特征與目標檢測
• 運動目標識別（視頻）

ps：OpenCV-python版的官方文檔：https://docs.opencv.org/4.1.2/d6/d00/tutorial_py_root.html

一、圖像基礎知識

1.1 數字圖像的概念

數字圖像又稱為數碼圖像或數位圖像，是二維圖像用有限數字數值像素的表示，由數組成矩陣來表示。下圖是一個例子：

我們看見的圖像在計算機中其實是由一個個像素組成的，每個像素有其具體數值。

也可以理解為一個二維函數 f(x,y)，其中x和y是空間（平面）坐標，而在任意坐標處幅值 f 稱為圖像在該點處的強度或灰度。

1.2 數字圖像的應用

圖像處理、機器視覺與人工智能的關系：

• 圖像處理主要研究二維檢測，處理一個圖像或一組圖像之間的相互轉換的過程，包括圖像濾波、圖像識別、圖像分割等問題。
• 機器視覺主要研究映射到單幅或多幅圖像上的三維場景，從圖像中提取抽象的語義信息，實現圖像理解是CV的終極目標。
• 人工智能在計算機視覺上的目標就是解決像素值和語義之間的關系，主要的問題有圖片檢測、圖片識別、圖片分割和檢索等。

1.3 OpenCV介紹

OpenCV于1999年由Intel建立；是一個開源發行的跨平臺計算機視覺庫；支持的操作系統有Linux、Windows、Android、macOS。

由C函數與少量C++類構成，支持Python、Java、MATLAB等接口，是數字圖像處理和CV領域最常見的工具包，是學習、科研、企業項目的好幫手。

OpenCV的安裝（默認python已經安裝）：

打開命令行，輸入以下命令，即可自動下載安裝：

pip install opencv-contrib-python

二、圖像屬性

2.1 圖像格式

常見的圖像格式如下所示：

BMP格式：這是Windows系統下的標準位圖格式，未經過壓縮，一般圖像文件會比較大，后綴為.bmp。

JPEG格式：應用最廣泛的圖片格式之一，它采用一種特殊的有損壓縮算法，達到比較大的壓縮比（可達到2:1甚至40:1），后綴名為.jpg或.jpeg。

GIF格式：不僅可以是一張靜圖，也可以是動圖，并且支持透明背景圖像，適用于多種操作系統，“體型”很小，網上很多小動畫都是GIF格式。但是其色域不太廣，只支持256色。

PNG格式：與JPG格式類似，壓縮比高于GIF，支持圖像透明，支持Alpha通道調節圖像的透明度。

TIFF格式：圖像格式復雜，存貯信息多，在Mac中廣泛使用，非常有利于原稿的復制，很多地方將TIFF格式用于印刷。

2.2 圖像尺寸

圖像尺寸的長度和寬度是以像素為單位的，比如下面圖片的尺寸是240×150，這個數字的單位就是像素。那么像素具體是什么含義？

像素pixel：

像素是數碼影像最基本的單位。1.1那張圖中數字化后圖片變成了一個個小格子組成的大矩陣，每個小格子就是一個像素，它里面會有一個值，灰度像素點的值的范圍在0~255之間，0表示黑色，255表示白色，其他值是介于黑白之間的不同灰；

如果是彩色圖，會需要用到紅、綠、藍三個通道的二維矩陣來表示，在每個通道中，每個值也介于0~255之間，0表示相應的基色，而255表示相應基色在該像素中取得的最大值。

2.2.1 讀入圖像

cv2.imread( filename[, flags] )

參數：第一個參數為讀入圖像的路徑；第二個則是讀取的方式，常見方式有：

• cv2.IMREAD_COLOR：默認方式，讀取彩色圖像，也可以用 1 來表示。
• cv2.IMREAD_GRAYSCALE：讀取圖像為灰度圖，也可以用 0 來表示。
• cv2.IMREAD_UNCHANGED：讀取彩色圖，并且包括透明度通道，也可以用 -1 來表示。

舉例：

# 導入opencv的python版本依賴庫cv2 import cv2 # 使用opencv中imread函數讀取圖片， # 0代表灰度圖形式打開，1代表彩色形式打開 img = cv2.imread('split.jpg', 1) print(img.shape)

輸出為這張圖片的尺寸（shape）：

(459, 571, 3)

2.2.2 顯示圖像

cv2.imshow( winname, mat )

參數：第一個參數為窗口的名字（顯示圖片必須先有一個窗口），第二個參數為圖像變量名。

舉例：

# 導入opencv的python版本依賴庫cv2 import cv2 # 使用opencv中imread函數讀取圖片， # 0代表灰度圖形式打開，1代表彩色形式打開 img = cv2.imread('split.jpg', 1) print(img.shape) # print(img)cv2.imshow('photo', img) k = cv2.waitKey(0) if k == 27: # 輸入ESC鍵退出cv2.destroyAllWindows() elif k == ord('s'): # 輸入S鍵保存圖片并退出cv2.imwrite('split_.jpg', img) cv2.destroyAllWindows()

其中cv2.waitKey()函數是一個鍵盤綁定函數，單位為毫秒，即程序等待鍵盤輸入多少毫秒，在這等待的時間內從鍵盤輸入的鍵值會賦給k，然后k去進行下一步程序，如cv2.waitKey(1000)就是等待1s；如果參數值為0，則表示一直等待直到鍵盤有輸入。

另外，cv2.destroyAllWindows()函數表示刪除窗口，默認刪除所有窗口，參數為待刪窗口名。

2.2.3 保存圖像

cv2.imwrite( filename, img[, params] )

參數：第一個參數為希望保存成的圖像名（包括格式（后綴）），第二個參數為待寫入的圖像變量名。

2.2.2的代碼已經給出了舉例。

2.3 圖像分辨率和通道數

分辨率是指單位長度中所表達或截取的像素數目。每英寸圖像內的像素點數，單位是像素每英寸（ppi）。圖像的分辨率越高，像素點密度越高，圖像越清晰。

通道數是指圖像的位深度，描述圖像中每個pixel數值所占的二進制位數。位深度越大則圖像能表示的顏色數越多，色彩就越豐富。有以下幾種位深度：

• 8位：單通道圖像，也就是灰度圖，灰度值取值種類為2 ^ 8 = 256種，即0~255。
• 24位：三通道，彩色圖像，每個通道都有8位。
• 32位：三通道彩色圖像加上透明度Alpha通道。

2.3.1 灰度轉化

目的：將彩色圖轉化為灰度圖。
公式：

• 3通道彩圖->1通道灰圖：GRAY = B * 0.114 + G * 0.587 + R * 0.299
• 1通道灰圖->3通道灰圖：R = G = B = GRAY；A = 0

函數為：

cv2.cvtColor( src, code[, dst[, dstCn]] )

參數：第一個參數就是待轉化的圖像變量；第二個參數是轉換模式，OpenCV有二百多種模式轉換，具體可以通過以下代碼查看：

>>> import cv2 as cv >>> flags = [i for i in dir(cv) if i.startswith('COLOR_')] >>> print( flags )

輸出如下：

['COLOR_BAYER_BG2BGR', 'COLOR_BAYER_BG2BGRA', 'COLOR_BAYER_BG2BGR_EA', 'COLOR_BAYER_BG2BGR_VNG', 'COLOR_BAYER_BG2GRAY', 'COLOR_BAYER_BG2RGB', 'COLOR_BAYER_BG2RGBA', 'COLOR_BAYER_BG2RGB_EA', 'COLOR_BAYER_BG2RGB_VNG', 'COLOR_BAYER_GB2BGR', 'COLOR_BAYER_GB2BGRA', 'COLOR_BAYER_GB2BGR_EA', 'COLOR_BAYER_GB2BGR_VNG', 'COLOR_BAYER_GB2GRAY', 'COLOR_BAYER_GB2RGB', 'COLOR_BAYER_GB2RGBA', 'COLOR_BAYER_GB2RGB_EA', 'COLOR_BAYER_GB2RGB_VNG', 'COLOR_BAYER_GR2BGR', 'COLOR_BAYER_GR2BGRA', 'COLOR_BAYER_GR2BGR_EA', 'COLOR_BAYER_GR2BGR_VNG', 'COLOR_BAYER_GR2GRAY', 'COLOR_BAYER_GR2RGB', 'COLOR_BAYER_GR2RGBA', 'COLOR_BAYER_GR2RGB_EA', 'COLOR_BAYER_GR2RGB_VNG', 'COLOR_BAYER_RG2BGR', 'COLOR_BAYER_RG2BGRA', 'COLOR_BAYER_RG2BGR_EA', 'COLOR_BAYER_RG2BGR_VNG', 'COLOR_BAYER_RG2GRAY', 'COLOR_BAYER_RG2RGB', 'COLOR_BAYER_RG2RGBA', 'COLOR_BAYER_RG2RGB_EA', 'COLOR_BAYER_RG2RGB_VNG', 'COLOR_BGR2BGR555', 'COLOR_BGR2BGR565', 'COLOR_BGR2BGRA', 'COLOR_BGR2GRAY', 'COLOR_BGR2HLS', 'COLOR_BGR2HLS_FULL', 'COLOR_BGR2HSV', 'COLOR_BGR2HSV_FULL', 'COLOR_BGR2LAB', 'COLOR_BGR2LUV', 'COLOR_BGR2Lab', 'COLOR_BGR2Luv', 'COLOR_BGR2RGB', 'COLOR_BGR2RGBA', 'COLOR_BGR2XYZ', 'COLOR_BGR2YCR_CB', 'COLOR_BGR2YCrCb', 'COLOR_BGR2YUV', 'COLOR_BGR2YUV_I420', 'COLOR_BGR2YUV_IYUV', 'COLOR_BGR2YUV_YV12', 'COLOR_BGR5552BGR', 'COLOR_BGR5552BGRA', 'COLOR_BGR5552GRAY', 'COLOR_BGR5552RGB', 'COLOR_BGR5552RGBA', 'COLOR_BGR5652BGR', 'COLOR_BGR5652BGRA', 'COLOR_BGR5652GRAY', 'COLOR_BGR5652RGB', 'COLOR_BGR5652RGBA', 'COLOR_BGRA2BGR', 'COLOR_BGRA2BGR555', 'COLOR_BGRA2BGR565', 'COLOR_BGRA2GRAY', 'COLOR_BGRA2RGB', 'COLOR_BGRA2RGBA', 'COLOR_BGRA2YUV_I420', 'COLOR_BGRA2YUV_IYUV', 'COLOR_BGRA2YUV_YV12', 'COLOR_BayerBG2BGR', 'COLOR_BayerBG2BGRA', 'COLOR_BayerBG2BGR_EA', 'COLOR_BayerBG2BGR_VNG', 'COLOR_BayerBG2GRAY', 'COLOR_BayerBG2RGB', 'COLOR_BayerBG2RGBA', 'COLOR_BayerBG2RGB_EA', 'COLOR_BayerBG2RGB_VNG', 'COLOR_BayerGB2BGR', 'COLOR_BayerGB2BGRA', 'COLOR_BayerGB2BGR_EA', 'COLOR_BayerGB2BGR_VNG', 'COLOR_BayerGB2GRAY', 'COLOR_BayerGB2RGB', 'COLOR_BayerGB2RGBA', 'COLOR_BayerGB2RGB_EA', 'COLOR_BayerGB2RGB_VNG', 'COLOR_BayerGR2BGR', 'COLOR_BayerGR2BGRA', 'COLOR_BayerGR2BGR_EA', 'COLOR_BayerGR2BGR_VNG', 'COLOR_BayerGR2GRAY', 'COLOR_BayerGR2RGB', 'COLOR_BayerGR2RGBA', 'COLOR_BayerGR2RGB_EA', 'COLOR_BayerGR2RGB_VNG', 'COLOR_BayerRG2BGR', 'COLOR_BayerRG2BGRA', 'COLOR_BayerRG2BGR_EA', 'COLOR_BayerRG2BGR_VNG', 'COLOR_BayerRG2GRAY', 'COLOR_BayerRG2RGB', 'COLOR_BayerRG2RGBA', 'COLOR_BayerRG2RGB_EA', 'COLOR_BayerRG2RGB_VNG', 'COLOR_COLORCVT_MAX', 'COLOR_GRAY2BGR', 'COLOR_GRAY2BGR555', 'COLOR_GRAY2BGR565', 'COLOR_GRAY2BGRA', 'COLOR_GRAY2RGB', 'COLOR_GRAY2RGBA', 'COLOR_HLS2BGR', 'COLOR_HLS2BGR_FULL', 'COLOR_HLS2RGB', 'COLOR_HLS2RGB_FULL', 'COLOR_HSV2BGR', 'COLOR_HSV2BGR_FULL', 'COLOR_HSV2RGB', 'COLOR_HSV2RGB_FULL', 'COLOR_LAB2BGR', 'COLOR_LAB2LBGR', 'COLOR_LAB2LRGB', 'COLOR_LAB2RGB', 'COLOR_LBGR2LAB', 'COLOR_LBGR2LUV', 'COLOR_LBGR2Lab', 'COLOR_LBGR2Luv', 'COLOR_LRGB2LAB', 'COLOR_LRGB2LUV', 'COLOR_LRGB2Lab', 'COLOR_LRGB2Luv', 'COLOR_LUV2BGR', 'COLOR_LUV2LBGR', 'COLOR_LUV2LRGB', 'COLOR_LUV2RGB', 'COLOR_Lab2BGR', 'COLOR_Lab2LBGR', 'COLOR_Lab2LRGB', 'COLOR_Lab2RGB', 'COLOR_Luv2BGR', 'COLOR_Luv2LBGR', 'COLOR_Luv2LRGB', 'COLOR_Luv2RGB', 'COLOR_M_RGBA2RGBA', 'COLOR_RGB2BGR', 'COLOR_RGB2BGR555', 'COLOR_RGB2BGR565', 'COLOR_RGB2BGRA', 'COLOR_RGB2GRAY', 'COLOR_RGB2HLS', 'COLOR_RGB2HLS_FULL', 'COLOR_RGB2HSV', 'COLOR_RGB2HSV_FULL', 'COLOR_RGB2LAB', 'COLOR_RGB2LUV', 'COLOR_RGB2Lab', 'COLOR_RGB2Luv', 'COLOR_RGB2RGBA', 'COLOR_RGB2XYZ', 'COLOR_RGB2YCR_CB', 'COLOR_RGB2YCrCb', 'COLOR_RGB2YUV', 'COLOR_RGB2YUV_I420', 'COLOR_RGB2YUV_IYUV', 'COLOR_RGB2YUV_YV12', 'COLOR_RGBA2BGR', 'COLOR_RGBA2BGR555', 'COLOR_RGBA2BGR565', 'COLOR_RGBA2BGRA', 'COLOR_RGBA2GRAY', 'COLOR_RGBA2M_RGBA', 'COLOR_RGBA2RGB', 'COLOR_RGBA2YUV_I420', 'COLOR_RGBA2YUV_IYUV', 'COLOR_RGBA2YUV_YV12', 'COLOR_RGBA2mRGBA', 'COLOR_XYZ2BGR', 'COLOR_XYZ2RGB', 'COLOR_YCR_CB2BGR', 'COLOR_YCR_CB2RGB', 'COLOR_YCrCb2BGR', 'COLOR_YCrCb2RGB', 'COLOR_YUV2BGR', 'COLOR_YUV2BGRA_I420', 'COLOR_YUV2BGRA_IYUV', 'COLOR_YUV2BGRA_NV12', 'COLOR_YUV2BGRA_NV21', 'COLOR_YUV2BGRA_UYNV', 'COLOR_YUV2BGRA_UYVY', 'COLOR_YUV2BGRA_Y422', 'COLOR_YUV2BGRA_YUNV', 'COLOR_YUV2BGRA_YUY2', 'COLOR_YUV2BGRA_YUYV', 'COLOR_YUV2BGRA_YV12', 'COLOR_YUV2BGRA_YVYU', 'COLOR_YUV2BGR_I420', 'COLOR_YUV2BGR_IYUV', 'COLOR_YUV2BGR_NV12', 'COLOR_YUV2BGR_NV21', 'COLOR_YUV2BGR_UYNV', 'COLOR_YUV2BGR_UYVY', 'COLOR_YUV2BGR_Y422', 'COLOR_YUV2BGR_YUNV', 'COLOR_YUV2BGR_YUY2', 'COLOR_YUV2BGR_YUYV', 'COLOR_YUV2BGR_YV12', 'COLOR_YUV2BGR_YVYU', 'COLOR_YUV2GRAY_420', 'COLOR_YUV2GRAY_I420', 'COLOR_YUV2GRAY_IYUV', 'COLOR_YUV2GRAY_NV12', 'COLOR_YUV2GRAY_NV21', 'COLOR_YUV2GRAY_UYNV', 'COLOR_YUV2GRAY_UYVY', 'COLOR_YUV2GRAY_Y422', 'COLOR_YUV2GRAY_YUNV', 'COLOR_YUV2GRAY_YUY2', 'COLOR_YUV2GRAY_YUYV', 'COLOR_YUV2GRAY_YV12', 'COLOR_YUV2GRAY_YVYU', 'COLOR_YUV2RGB', 'COLOR_YUV2RGBA_I420', 'COLOR_YUV2RGBA_IYUV', 'COLOR_YUV2RGBA_NV12', 'COLOR_YUV2RGBA_NV21', 'COLOR_YUV2RGBA_UYNV', 'COLOR_YUV2RGBA_UYVY', 'COLOR_YUV2RGBA_Y422', 'COLOR_YUV2RGBA_YUNV', 'COLOR_YUV2RGBA_YUY2', 'COLOR_YUV2RGBA_YUYV', 'COLOR_YUV2RGBA_YV12', 'COLOR_YUV2RGBA_YVYU', 'COLOR_YUV2RGB_I420', 'COLOR_YUV2RGB_IYUV', 'COLOR_YUV2RGB_NV12', 'COLOR_YUV2RGB_NV21', 'COLOR_YUV2RGB_UYNV', 'COLOR_YUV2RGB_UYVY', 'COLOR_YUV2RGB_Y422', 'COLOR_YUV2RGB_YUNV', 'COLOR_YUV2RGB_YUY2', 'COLOR_YUV2RGB_YUYV', 'COLOR_YUV2RGB_YV12', 'COLOR_YUV2RGB_YVYU', 'COLOR_YUV420P2BGR', 'COLOR_YUV420P2BGRA', 'COLOR_YUV420P2GRAY', 'COLOR_YUV420P2RGB', 'COLOR_YUV420P2RGBA', 'COLOR_YUV420SP2BGR', 'COLOR_YUV420SP2BGRA', 'COLOR_YUV420SP2GRAY', 'COLOR_YUV420SP2RGB', 'COLOR_YUV420SP2RGBA', 'COLOR_YUV420p2BGR', 'COLOR_YUV420p2BGRA', 'COLOR_YUV420p2GRAY', 'COLOR_YUV420p2RGB', 'COLOR_YUV420p2RGBA', 'COLOR_YUV420sp2BGR', 'COLOR_YUV420sp2BGRA', 'COLOR_YUV420sp2GRAY', 'COLOR_YUV420sp2RGB', 'COLOR_YUV420sp2RGBA', 'COLOR_mRGBA2RGBA']

那么這里的灰度轉化需要用到的是cv2.COLOR_BGR2GRAY和cv2.COLOR_GRAY2BGR。

舉例如下：

# 導入opencv import cv2 # 讀入原始圖像，使用cv2.IMREAD_UNCHANGED img = cv2.imread("girl.jpg", cv2.IMREAD_UNCHANGED) # 查看打印圖像的shape shape = img.shape print(shape) # 判斷通道數是否為3通道或4通道 if shape[2] == 3 or shape[2] == 4 :# 將彩色圖轉化為單通道圖img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)cv2.imshow("gray_image", img_gray) cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows()

顯示出來的原圖與灰度化之后的圖為：

這里的灰度圖是單通道的，若將此時的img_gray 再通過cv2.COLOR_GRAY2BGR轉為三通道的圖，它將還是灰度圖，只是通道數變成了三個，三通道每個像素上的B、G、R值都相等，且等于img_gray 的那個像素，代碼如下所示：

# 導入opencv import cv2 # 讀入灰度圖 img = cv2.imread("girl_gray.jpg", cv2.IMREAD_UNCHANGED) # 查看打印圖像的shape shape = img.shape print(shape) img_color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) print(img_color.shape) cv2.imshow("color_image", img_color) cv2.imshow("image", img) cv2.waitKey(0) cv2.destroyAllWindows()

效果如圖所示：

視覺上細看還是有些許不同，我們搞清楚它們在計算機內的區別就行，再看下原圖、單通道灰度圖、三通道灰度圖的尺寸區別：

原圖: (500, 500, 3) 單通道灰度圖： (500, 500) 三通道灰度圖： (500, 500, 3)

2.3.2 RGB與BGR轉化

方法一：用OpenCV自帶的方法

# 導入opencv import cv2 # 讀入圖 img = cv2.imread("dark2.jpg", cv2.IMREAD_COLOR) cv2.imshow("Origin", img) img_cv_method = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) cv2.imshow("After transform", img_cv_method)cv2.waitKey(0) cv2.destroyAllWindows()

方法二：用numpy轉換，本質就是互換B和R通道，所以將方法一的代碼中的cvtColor函數的那一行替換為

img_cv_method = img[:, :, ::-1]

效果是一樣的，得到的原圖和轉換之后的圖的顯示如下所示：

2.3.3 通道分離

目的：將彩色圖像分成B、G、R三個單通道圖像，方便我們對BGR三個通道分別操作。

函數：

cv.split( m[, mv] )

參數：待分離通道的圖像。

舉例：

# 加載opencv import cv2 src = cv2.imread('split.jpg') cv2.imshow('before', src) # 調用通道分離 b, g, r = cv2.split(src) # 三通道分別顯示 cv2.imshow('blue', b) cv2.imshow('green', g) cv2.imshow('red', r) cv2.waitKey(0) cv2.destroyAllWindows()

結果如下所示：


分離出來的每個通道都是一個灰度圖。如果我們想看它們是對應通道的顏色，可以用下面的代碼：

# 導入opencv模塊 import numpy as np import cv2image = cv2.imread("split.jpg") # 讀取要處理的圖片 cv2.imshow("src", image) cv2.waitKey(0) B, G, R = cv2.split(image) # 分離出圖片的B，R，G顏色通道zeros = np.zeros(image.shape[:2], dtype="uint8") # 創建與image相同大小的零矩陣 cv2.imshow("BLUE", cv2.merge([B, zeros, zeros])) # 顯示 （B，0，0）圖像 cv2.imshow("GREEN", cv2.merge([zeros, G, zeros])) # 顯示（0，G，0）圖像 cv2.imshow("RED", cv2.merge([zeros, zeros, R])) # 顯示（0，0，R）圖像 cv2.waitKey(0) cv2.destroyAllWindows()

效果如下所示：


這里我們可以看出，單通道是沒有顏色的，只有數值，R、G、B顏色要放在三通道中才能顯示出來。

2.3.4 通道合并

目的：三個單獨的通道合并為一個彩圖。

函數：

cv.merge( mv[, dst] )

參數：待合并的通道數，以list形式輸入。

舉例：

#加載opencv import cv2 src=cv2.imread('split.jpg') cv2.imshow('before',src) #調用通道分離 b,g,r=cv2.split(src) #將Blue通道數值修改為0 b[:] = 0 #合并修改后的通道 img_merge=cv2.merge([b,g,r]) cv2.imshow('merge',img_merge) cv2.waitKey(0) cv2.destroyAllWindows()

結果如下所示：

總結

以上是生活随笔為你收集整理的OpenCV与图像处理学习一——图像基础知识、读入、显示、保存图像、灰度转化、通道分离与合并的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。