计算机视觉入门第0课：图像处理基础

24次阅读
没有评论

共计 6773 个字符，预计需要花费 17 分钟才能阅读完成。

图像处理是计算机视觉的基石，是将原始图像转换为更适合后续分析的形式的过程。本课程将深入探讨图像处理的基础概念、色彩空间原理、基本操作方法以及图像质量评估指标，为后续的特征提取、目标识别等高级应用奠定坚实基础。

一、基础概念

1.1 计算机视觉定义与应用领域

定义 ：
计算机视觉（Computer Vision）是人工智能领域的一个重要分支，专注于使计算机和系统能够从图像、视频等视觉输入中提取有意义的信息，并据此进行决策或提供建议。它通过理解和处理二维图像来重建三维场景，从而实现对现实世界的深入理解。

应用领域：

  • 医疗领域：医学影像分析、病灶检测和诊断
  • 交通领域：车辆检测、跟踪和交通流量的智能控制
  • 安全监控：人脸识别、行为分析、异常检测
  • 智能家居：智能控制、家庭安全
  • 自动驾驶：环境感知、障碍物检测、路径规划
  • 工业自动化：产品质量检测、机器人视觉引导

小知识：计算机视觉从 1950 年代的基础图像处理技术起步，逐步探索二维到三维信息的提取。1990 年代以来，随着向实际应用的转向，如对象识别和运动分析等领域取得了显著进展。2010 年代，深度学习的兴起极大促进了新技术的发展。

1.2 图像表示与色彩空间

1.2.1 图像的基本表示

像素（Pixel）：构成图像的最小单位，是图像的基本元素。一幅图像可以看作是由许多像素组成的二维数组，每个像素包含一个或多个数值，表示该位置的颜色信息。

位图与矢量图：

  • 位图：由像素点组成的图像，每个像素记录颜色信息。位图适合表现色彩丰富、过渡自然的图像，但放大时会出现锯齿。
  • 矢量图：由数学公式定义的线条和形状组成的图像，放大时不会失真。适合表现简单、清晰的图形，但不适合表现复杂的色彩变化。

1.2.2 常见色彩空间

色彩空间 说明 适用场景 优点
RGB 红 (Red)、绿(Green)、蓝(Blue) 三原色组合 显示系统、图像处理 与人眼感知一致，广泛应用于显示设备
HSV 色相(Hue)、饱和度(Saturation)、明度(Value) 颜色识别、分割 对光照变化不敏感，Hue 通道独立于亮度
LAB 亮度(L)、a(绿 - 红)、b(蓝 - 黄) 颜色校正、图像编辑 接近人眼感知，用于精确颜色处理
YCrCb 亮度(Y)、色差(Cr, Cb) 视频压缩（JPEG、MPEG） 亮度与色度分离，适合压缩
灰度 0-255 的单通道值 图像分析、特征提取 简化处理，减少计算量

色彩空间转换：

import cv2

# 读取图像
img = cv2.imread('example.jpg')

# RGB 转 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)  # 注意：OpenCV 默认 BGR

# HSV 转 RGB
rgb = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

# BGR 转 LAB
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)

# BGR 转 YCrCb
ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)

# BGR 转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

色彩空间选择建议：

  • 颜色识别：优先使用 HSV
  • 颜色校正：优先使用 LAB
  • 视频压缩：优先使用 YCrCb
  • 简单图像分析：优先使用灰度

1.3 基本图像处理操作

1.3.1 图像缩放

缩放原理：调整图像的像素尺寸，可以放大或缩小图像。

常用缩放算法：

  • cv2.INTER_NEAREST：最近邻插值（最快，质量最低）
  • cv2.INTER_LINEAR：双线性插值（默认，平衡速度与质量）
  • cv2.INTER_AREA：区域插值（缩小图像时效果更好）
  • cv2.INTER_CUBIC：三次样条插值（质量最高，速度最慢）
import cv2

# 读取图像
img = cv2.imread('example.jpg')

# 按比例缩放
resized = cv2.resize(img, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_LINEAR)

# 指定尺寸缩放
resized_fixed = cv2.resize(img, (800, 600), interpolation=cv2.INTER_AREA)

1.3.2 图像旋转

旋转原理：围绕指定中心点旋转图像，保持图像内容的相对位置。

import cv2
import numpy as np

# 读取图像
img = cv2.imread('example.jpg')
height, width = img.shape[:2]

# 旋转参数
angle = 45  # 旋转角度
center = (width/2, height/2)  # 旋转中心
scale = 1.0  # 缩放比例

# 获取旋转矩阵
M = cv2.getRotationMatrix2D(center, angle, scale)

# 应用旋转
rotated = cv2.warpAffine(img, M, (width, height))

1.3.3 图像裁剪

裁剪原理：通过指定坐标和尺寸，从原始图像中提取一个子区域。

import cv2

# 读取图像
img = cv2.imread('example.jpg')

# 获取图像尺寸
height, width = img.shape[:2]

# 裁剪参数（左上角坐标和宽高）x = 100
y = 50
w = 300
h = 200

# 裁剪图像
cropped = img[y:y+h, x:x+w]

1.3.4 图像翻转

翻转原理：沿水平或垂直轴翻转图像。

import cv2

# 读取图像
img = cv2.imread('example.jpg')

# 水平翻转（左右翻转）flip_horizontal = cv2.flip(img, 1)

# 垂直翻转（上下翻转）flip_vertical = cv2.flip(img, 0)

# 水平 + 垂直翻转
flip_both = cv2.flip(img, -1)

1.4 图像质量评估指标

1.4.1 常用评估指标

指标 说明 计算方式 适用场景
PSNR 峰值信噪比 PSNR = 10 * log10(MAX² / MSE) 图像压缩、复原质量评估
SSIM 结构相似性 基于结构、亮度和对比度的相似性度量 图像质量评估，更符合人眼感知
MSE 均方误差 MSE = mean((img1 - img2)²) 图像复原、压缩质量评估
SNR 信噪比 SNR = 10 * log10(信号功率 / 噪声功率) 信号处理、图像质量评估

PSNR 计算示例：

import cv2
import numpy as np

def calculate_psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return 100
    max_pixel = 255.0
    psnr = 20 * np.log10(max_pixel / np.sqrt(mse))
    return psnr

# 读取原始图像和处理后的图像
img1 = cv2.imread('original.jpg')
img2 = cv2.imread('processed.jpg')

psnr = calculate_psnr(img1, img2)
print(f"PSNR: {psnr:.2f} dB")

1.4.2 评估指标选择建议

  • 图像压缩：PSNR 和 SSIM
  • 图像复原：PSNR 和 SSIM
  • 图像增强：SSIM（更符合人眼感知）
  • 图像比较：SSIM 和 PSNR 结合使用

二、图像处理核心原理

2.1 线性与非线性操作

线性操作：对整幅图像所有像素进行相同处理，输出是输入的线性组合。

# 线性操作示例：调整亮度
def adjust_brightness(img, alpha=1.0, beta=0):
    return cv2.convertScaleAbs(img, alpha=alpha, beta=beta)

非线性操作：对单个像素或像素间关系进行处理，输出不是输入的线性组合。

# 非线性操作示例：图像二值化
def thresholding(img, threshold=128):
    _, thresh = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)
    return thresh

2.2 图像卷积与滤波

卷积原理：使用一个滤波器（卷积核）在图像上滑动，计算每个位置的加权和，生成新的图像。

import cv2
import numpy as np

# 定义一个简单的卷积核（边缘检测）kernel = np.array([[-1, -1, -1],
                   [-1, 8, -1],
                   [-1, -1, -1]])

# 应用卷积
filtered = cv2.filter2D(img, -1, kernel)

常用滤波器：

  • 锐化滤波器：增强图像边缘
  • 模糊滤波器：平滑图像，去除噪声
  • 边缘检测滤波器：如 Sobel、Canny
  • 高斯滤波器：用于图像平滑

三、实践项目

3.1 图像增强与质量评估

import cv2
import numpy as np
import matplotlib.pyplot as plt

def calculate_psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return 100
    max_pixel = 255.0
    psnr = 20 * np.log10(max_pixel / np.sqrt(mse))
    return psnr

def calculate_ssim(img1, img2):
    # 实际应用中使用 cv2's SSIM implementation
    # 这里仅做示例
    return 0.9  # 示例值

# 读取图像
img = cv2.imread('example.jpg')

# 调整亮度和对比度
adjusted = cv2.convertScaleAbs(img, alpha=1.5, beta=50)

# 应用灰度直方图均衡化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
equalized = cv2.equalizeHist(gray)

# 显示结果
plt.figure(figsize=(15, 10))

# 原始图像
plt.subplot(2, 3, 1)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('Original Image')
plt.axis('off')

# 亮度 / 对比度调整
plt.subplot(2, 3, 2)
plt.imshow(cv2.cvtColor(adjusted, cv2.COLOR_BGR2RGB))
plt.title('Adjusted (alpha=1.5, beta=50)')
plt.axis('off')

# 直方图均衡化
plt.subplot(2, 3, 3)
plt.imshow(equalized, cmap='gray')
plt.title('Histogram Equalized')
plt.axis('off')

# 原始图像直方图
plt.subplot(2, 3, 4)
plt.hist(img.ravel(), 256, [0, 256])
plt.title('Original Histogram')
plt.xlabel('Pixel Intensity')
plt.ylabel('Frequency')

# 均衡化后直方图
plt.subplot(2, 3, 5)
plt.hist(equalized.ravel(), 256, [0, 256])
plt.title('Equalized Histogram')
plt.xlabel('Pixel Intensity')
plt.ylabel('Frequency')

# PSNR 和 SSIM 评估
psnr = calculate_psnr(img, adjusted)
ssim = calculate_ssim(img, adjusted)
plt.subplot(2, 3, 6)
plt.text(0.5, 0.5, f'PSNR: {psnr:.2f} dB\nSSIM: {ssim:.4f}', 
         ha='center', va='center', fontsize=14)
plt.axis('off')
plt.title('Quality Metrics')

plt.tight_layout()
plt.savefig('image_enhancement.png', dpi=300)
plt.show()

3.2 色彩空间转换与应用

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
img = cv2.imread('example.jpg')

# 转换为不同色彩空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 创建子图
plt.figure(figsize=(15, 10))

# 原始图像
plt.subplot(2, 3, 1)
plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('Original (BGR)')
plt.axis('off')

# HSV 色彩空间
plt.subplot(2, 3, 2)
plt.imshow(hsv)
plt.title('HSV Color Space')
plt.axis('off')

# LAB 色彩空间
plt.subplot(2, 3, 3)
plt.imshow(lab)
plt.title('LAB Color Space')
plt.axis('off')

# YCrCb 色彩空间
plt.subplot(2, 3, 4)
plt.imshow(ycrcb)
plt.title('YCrCb Color Space')
plt.axis('off')

# 灰度图像
plt.subplot(2, 3, 5)
plt.imshow(gray, cmap='gray')
plt.title('Grayscale')
plt.axis('off')

# HSV 的 H 通道（色调）h, s, v = cv2.split(hsv)
plt.subplot(2, 3, 6)
plt.imshow(h, cmap='hsv')
plt.title('H Channel (HSV)')
plt.axis('off')

plt.tight_layout()
plt.savefig('color_spaces.png', dpi=300)
plt.show()

四、常见问题与解决

1. 为什么 OpenCV 使用 BGR 而不是 RGB？

  • OpenCV 是基于 C ++ 开发的，最初设计时使用 BGR，与许多图像处理库（如 Matlab）使用 RGB 不同。
  • 解决方法：在使用 Matplotlib 显示图像时，需要转换为 RGB：plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

2. 如何保持图像缩放比例？

  • 计算缩放比例时，根据原始宽高比计算：
  scale = 0.5  # 缩放比例
  new_width = int(width * scale)
  new_height = int(height * scale)
  resized = cv2.resize(img, (new_width, new_height))

3. 为什么 HSV 对颜色识别更好？

  • HSV 的 Hue 通道（色相）独立于亮度（Value），对光照变化不敏感。
  • 例如，红色在 HSV 中可以表示为 [0, 100, 100] 到[10, 255, 255]或 [170, 100, 100] 到[180, 255, 255]，不受亮度影响。

4. 如何选择合适的色彩空间？

  • 颜色识别：HSV
  • 颜色校正：LAB
  • 视频压缩：YCrCb
  • 简单分析：灰度

五、学习资源

  1. 官方文档：
  • OpenCV: https://docs.opencv.org/
  • NumPy: https://numpy.org/doc/
  • Matplotlib: https://matplotlib.org/stable/
  1. 推荐学习路径：
  • 图像基础处理 → 特征提取 → 目标检测 → 图像分割
  1. 实践建议：
  • 每天尝试一个图像处理操作
  • 用不同图像测试操作效果
  • 记录操作结果和观察

本课小结

在本课中，我们学习了计算机视觉的 图像处理基础：

  1. 计算机视觉定义与应用：理解计算机视觉的定义和在多个领域的应用
  2. 图像表示与色彩空间：掌握像素、位图 / 矢量图、常见色彩空间及其特点
  3. 基本图像处理操作：熟练掌握缩放、旋转、裁剪、翻转等基本操作
  4. 图像质量评估指标：了解 PSNR、SSIM、MSE 等评估指标的原理和应用

重要提示：在实际项目中，这些基础操作通常会组合使用。例如，先进行色彩空间转换（HSV），再进行阈值分割，最后进行图像缩放。熟练掌握这些基础操作，将为后续的特征提取、目标检测等高级应用打下坚实基础。

打赏 微海报 分享
正文完
计算机视觉
发表至： 人工智能
2025-08-02
 0
一诺
版权声明：本站原创文章，由 一诺 于2025-08-02发表，共计6773字。
转载说明：除特殊说明外本站文章皆由CC-4.0协议发布，转载请注明出处。
yolo_v8 从如坑到入土(一)
GPU 硬件加速思考
计算机视觉入门第0课续：图像基础处理
计算机视觉入门第五课：图像生成与风格迁移
评论（没有评论）
验证码