本文通过一个**完整、可运行的示例**，讲解如何使用 **Python + OpenCV** 完成最基础的图像读写操作，并借此引入 **Python 模块化编程** 的思想，帮助你写出更清晰、可维护的代码。

## 一、为什么要从“图像读写”开始？

在计算机视觉领域，无论你是做：
- 目标检测
- 图像识别
- 工业视觉
- 机器人视觉

**第一步永远是：把图像正确地读进来，并理解它是什么。**
图像读写是所有视觉算法的“地基”，而 OpenCV 则是 Python 生态中最常用、最成熟的视觉库之一。（依旧吹捧）

## 二、整体代码结构说明（先看全局）

在正式讲 OpenCV API 之前，先看一下代码的**整体结构**：
```
image_io_demo.py
├── read_image()          # 负责读取图像
├── display_image()       # 负责显示图像
├── save_image()          # 负责保存图像
├── get_image_info()      # 负责打印图像信息
├── create_sample_image() # 创建测试图像
└── main()                # 程序入口，组织整体流程
```
👉 这就是一个**典型的模块化编程结构**：
- 每个函数只做一件事
- `main()` 负责“调度”
- 代码可读性、可维护性大幅提升

这是本文一个非常重要的编程思想。


----
## 三、模块导入：写在最上面的“依赖声明”

```python
import cv2
import numpy as np
import os
```
### 为什么要集中写在文件最上方？

这是 Python 的**最佳实践**：
- 一眼就能看出代码依赖了哪些库
- 出错时，第一时间定位是不是环境问题
- 方便后期拆分成多个模块

📌 **技巧建议**：
>不要在函数里随意 `import`，除非你非常清楚这样做的原因。


----
## 四、创建示例图像：用代码生成测试数据

```python
def create_sample_image():
    img = np.zeros((300, 300, 3), dtype=np.uint8)

    cv2.rectangle(img, (50, 50), (250, 250), (0, 0, 255), -1)
    cv2.circle(img, (150, 150), 80, (0, 255, 0), -1)

    pts = np.array([[150, 70], [230, 230], [70, 230]], np.int32)
    cv2.fillPoly(img, [pts], (255, 0, 0))

    return img
```

### 这里体现的编程思想

- **函数返回结果，不直接写文件**
- 数据的“生产”和“使用”解耦

这让函数：
- 更容易复用
- 更容易测试
- 更容易单独调试


----
## 五、图像读取：理解 OpenCV 的三种读取方式

```python
def read_image():
    img_color = cv2.imread('sample.jpg', cv2.IMREAD_COLOR)
    img_gray  = cv2.imread('sample.jpg', cv2.IMREAD_GRAYSCALE)
    img_alpha = cv2.imread('sample.jpg', cv2.IMREAD_UNCHANGED)

    return img_color, img_gray, img_alpha
```
### 常见读取模式说明


| | |
|:-:|:-:|
|模式|含义|
|IMREAD_COLOR|彩色图像（BGR）|
|IMREAD_GRAYSCALE|灰度图像（单通道）|
|IMREAD_UNCHANGED|原始数据（可能含 Alpha）|
📌 **新手常见坑**：
>OpenCV 默认是 **BGR**，不是 RGB。

## 六、获取图像信息：理解“图像其实是数组”

```python
def get_image_info(image, title="Image"):
    print(f"图像形状: {image.shape}")
    print(f"数据类型: {image.dtype}")
```

### 图像 ≈ NumPy 数组

- 灰度图：`(H, W)`
- 彩色图：`(H, W, C)`

理解这一点，后面你会发现：
- 图像裁剪就是数组切片
- 像素操作就是数值计算



----
## 七、保存图像：职责单一的函数设计

```python
def save_image(filename, image):
    cv2.imwrite(filename, image)
```
为什么不直接在 `main()` 里写 `cv2.imwrite`？
👉 因为：
- 以后你可能想统一加日志
- 或加异常处理
- 或保存前做校验

**提前函数封装 = 给未来的自己留后路**。



----
## 八、main 函数：程序的“总指挥”

```python
def main():
    sample_img = create_sample_image()
    save_image('sample.jpg', sample_img)

    img_color, img_gray, _ = read_image()

    get_image_info(img_color, "彩色图像")
    get_image_info(img_gray, "灰度图像")
```

### 这是非常标准的 Python 工程结构

- **逻辑集中在 main**
- **功能分散在函数**
- 调试、扩展都非常舒服


----
## 九、`if __name__ == "__main__"` 的意义

```python
if __name__ == "__main__":
    main()
```
这是 Python 模块化的关键：
- 这个文件可以**直接运行**
- 也可以被 **import 当作工具模块**

📌 工程化项目里，这是必须的写法。

## 十、工业项目中非常实用的模块化编程经验

✅ 一个函数只做一件事
✅ 函数名要“见名知意”
✅ 数据通过参数和返回值传递
✅ 主流程只负责“组织”，不负责“细节”


##附源码，供参考
```python
import cv2  # 导入OpenCV库
import numpy as np # 导入NumPy库，用于处理图像数组
import os # 用于操作文件路径


def read_image(): # 定义read_image函数，用于读取图像文件
    """
    读取图像文件
    """
    # 读取彩色图像，格式是BGR
    img_color = cv2.imread('sample.jpg', cv2.IMREAD_COLOR) # cv2.IMREAD_COLOR表示读取彩色图像
    # 读取灰度图像，读取的是单通道图像，每个像素只有一个值，范围是0-255，0表示黑色，255表示白色，中间值表示灰色
    img_gray = cv2.imread('sample.jpg', cv2.IMREAD_GRAYSCALE) # cv2.IMREAD_GRAYSCALE表示读取灰度图像
    # 读取带alpha通道的图像,alpha是指透明度通道
    img_alpha = cv2.imread('sample.jpg', cv2.IMREAD_UNCHANGED) # cv2.IMREAD_UNCHANGED表示读取带alpha通道的图像

    print(f"img_color的值是{img_color}")
    print(f"img_gray的值是{img_gray}")
    print(f"img_alpha的值是{img_alpha}")

    return img_color, img_gray, img_alpha


def display_image(title, image): 
    """
    显示图像
    """
    cv2.imshow(title, image) # 显示图像，第一个参数是窗口名称，第二个参数是图像数组
    
    cv2.waitKey(0) # 等待按键，0表示无限等待
    
    cv2.destroyWindow(title) # 关闭所有窗口


def save_image(filename, image):
    """
    保存图像
    """
    cv2.imwrite(filename, image)
    print(f"图像已保存到 {filename}")


def get_image_info(image, title="Image"): # 定义get_image_info函数，用于获取并打印图像信息，参数image是图像数组，title是窗口名称，默认值是"Image"
    """
    获取并打印图像信息
    """
    print(f"=== {title} 信息 ===")
    print(f"图像形状: {image.shape}")
    print(f"图像类型: {image.dtype}")
    print(f"图像尺寸: {image.size} 像素")
    
    if len(image.shape) == 3:
        print(f"通道数: {image.shape[2]}")
        print(f"宽度: {image.shape[1]} 像素")
        print(f"高度: {image.shape[0]} 像素")
    else:
        print(f"宽度: {image.shape[1]} 像素")
        print(f"高度: {image.shape[0]} 像素")
    print()


def create_sample_image():
    """
    创建一个示例图像用于测试
    """
    # 创建一个300x300的彩色图像
    img = np.zeros((300, 300, 3), dtype=np.uint8)
    
    # 绘制一个红色矩形
    cv2.rectangle(img, (50, 50), (250, 250), (0, 0, 255), -1)
    
    # 绘制一个绿色圆形
    cv2.circle(img, (150, 150), 80, (0, 255, 0), -1)
    
    # 绘制一个蓝色三角形
    pts = np.array([[150, 70], [230, 230], [70, 230]], np.int32)
    cv2.fillPoly(img, [pts], (255, 0, 0))
    
    return img


def main():
    """
    主函数
    """
    print("=== 图像读写基础演示 ===")
    print(f"当前工作目录: {os.getcwd()}")
    
    try:
        # 1. 创建示例图像
        # print("1. 创建示例图像...")
        # sample_img = create_sample_image()
        # save_image('sample.jpg', sample_img) # 保存示例图像为JPEG格式，sample_img是图像数组,
        # 文件名是'sample.jpg',此时的sample_img的格式是BGR
        # print(f"示例图像已创建，大小: {sample_img.shape}")  # 打印示例图像的形状，即高度、宽度、通道数
        
        # 2. 读取图像
        print("2. 读取图像...")
        img_color, img_gray, img_alpha = read_image()
        print(f"彩色图像: {img_color.shape}, 灰度图像: {img_gray.shape}")
        
        # 3. 获取图像信息
        print("3. 获取图像信息...")
        get_image_info(img_color, "彩色图像")
        get_image_info(img_gray, "灰度图像")
        
        # 4. 保存不同格式的图像
        print("4. 保存不同格式的图像...")
        save_image('sample_gray.jpg', img_gray)
        save_image('sample_png.png', img_color)
        # 5. 显示图像
        print("5. 显示图像...")
        display_image("彩色图像", img_color)
        display_image("灰度图像", img_gray)
        
        print("=== 演示结束 ===")
    except Exception as e:
        print(f"发生错误: {e}")
        import traceback
        traceback.print_exc()


if __name__ == "__main__":
    main()
```

本文通过一个完整、可运行的示例，讲解如何使用 Python + OpenCV 完成最基础的图像读写操作，并借此引入 Python 模块化编程 的思想，帮助你写出更清晰、可维护的代码。

python+OpenCV图像基础读写操作

编程语言

人工智能

前端

Python+OpenCV图像处理入门教程，详解图像读写基础操作与模块化编程思想。包含图像创建、读取、显示、保存等完整示例代码，讲解OpenCV三种读取模式及图像数据结构，帮助掌握计算机视觉基础技能和Python工程化编程规范。

计算机视觉

机器人视觉

图像识别

Python

AI驱动 智领未来

imagerecognition

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

python+OpenCV图像基础读写操作-腾讯云开发者社区-腾讯云

python+OpenCV图像基础读写操作

python+OpenCV图像基础读写操作

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐