计算机视觉 / 系统课时

读取图像文件

读取图像文件

读取图像的关键不只是写出 cv2.imread(),还要明确颜色模式、通道数量和返回数据的含义。本课用一个可直接运行的示例,对比彩色、灰度和保留透明通道三种读取方式,并说明如何根据后续处理选择标志。

学习目标

  • 掌握 cv2.imread() 的基本调用方式和返回类型
  • 区分彩色、灰度与保留原始通道三种读取标志
  • 能通过 shape、dtype 和像素值验证读取结果

imread 的读取规则

cv2.imread(filename, flags) 从文件中解码图像,成功时返回 NumPy 数组,失败时通常返回 None。filename 可以是相对路径或绝对路径,flags 决定输出的通道形式。

读取标志 常量值 典型结果
cv2.IMREAD_COLOR 1 三通道 BGR,透明通道会被丢弃
cv2.IMREAD_GRAYSCALE 0 单通道灰度图
cv2.IMREAD_UNCHANGED -1 尽量保留原始通道,例如 PNG 的 BGRA

未传入第二个参数时,OpenCV 默认按 IMREAD_COLOR 读取。需要注意,OpenCV 的彩色通道顺序是 BGR,而不是许多绘图库使用的 RGB。

主示例:用三种模式读取同一文件

下面先生成一个带透明通道的 PNG,再分别用三种标志读取。这样不依赖外部素材,复制后即可运行。

python
from pathlib import Path

import cv2
import numpy as np

def main() -> None:
    image_path = Path("sample.png")

    # OpenCV 写入四通道图像时使用 BGRA 顺序。
    source = np.array(
        [
            [[0, 0, 255, 255], [0, 255, 0, 200], [255, 0, 0, 150]],
            [[255, 255, 255, 100], [0, 0, 0, 80], [30, 60, 90, 64]],
        ],
        dtype=np.uint8,
    )

    if not cv2.imwrite(str(image_path), source):
        raise RuntimeError("示例图像写入失败")

    color = cv2.imread(str(image_path), cv2.IMREAD_COLOR)
    gray = cv2.imread(str(image_path), cv2.IMREAD_GRAYSCALE)
    unchanged = cv2.imread(str(image_path), cv2.IMREAD_UNCHANGED)

    # 每次读取都应独立检查,避免后续访问空对象。
    for name, image in (
        ("color", color),
        ("gray", gray),
        ("unchanged", unchanged),
    ):
        if image is None:
            raise RuntimeError(f"{name} 读取失败")
        print(f"{name}: shape={image.shape}, dtype={image.dtype}")

    print("last alpha:", int(unchanged[1, 2, 3]))

if __name__ == "__main__":
    main()

预期输出

text
color: shape=(2, 3, 3), dtype=uint8
gray: shape=(2, 3), dtype=uint8
unchanged: shape=(2, 3, 4), dtype=uint8
last alpha: 64

shape 的最后一维表示通道数。彩色模式输出三个通道,灰度模式只有高和宽,UNCHANGED 则保留了第四个透明通道。实际文件路径可能不同,但数组形状应符合所选模式。

如何选择读取标志

后续算法只关心亮度,例如阈值分割、边缘检测或字符识别预处理时,可直接读取为灰度图,减少一次颜色转换。需要显示普通照片或进行颜色分析时使用彩色模式。

图像包含透明背景,而且透明度会参与合成、遮罩或素材处理时,应使用 IMREAD_UNCHANGED。读取后仍需检查通道数,因为并不是所有文件都真的包含 Alpha 通道。

关键边界

读取成功不代表数据一定符合业务要求。进入算法前还应确认宽高、通道数和数据类型。例如模型要求三通道输入时,不能直接把二维灰度数组传入;需要透明通道时,也不能假设所有 PNG 都是四通道。

大型图像会在解码后占用比文件体积更多的内存。一个高为 HH、宽为 WW、通道数为 CC 的 uint8 图像,基础数据量约为 H×W×CH \times W \times C 字节,批量读取时应避免一次性把全部文件保存在内存中。

本课总结

  • cv2.imread() 成功时返回 NumPy 数组,失败时通常返回 None
  • COLOR、GRAYSCALE 和 UNCHANGED 分别对应 BGR、单通道灰度和尽量保留原始通道
  • 读取后应通过 shape、dtype 和通道数确认数据是否满足后续处理要求

下一课预告

下一课将建立一套读取失败的定位顺序,区分错误路径、权限问题、空文件、损坏文件和不受支持的编码格式。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

读取图像文件

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通