一、体验

下面，我们先直接看一段代码：image_pro.py

# 导入OpenCV库
import cv2

# 加载一幅图像
image = cv2.imread("flower.jpg")
# 显示图像
cv2.imshow("Image", image)
# 等待输入
cv2.waitKey(0)

执行该脚本：python image_pro.py
我们会看到输出：

flower.jpg

二、分析

在上面的代码中，

1.导入库

首先要导入opencv库。这是我们必须要用到的库，所以要先导入。

# 导入OpenCV库
import cv2

2.加载图像

图像的加载使用cv2.imread函数（瞧，我们用到了来自cv2的函数，所以前面的导入是必须的），函数参数为图像文件的路径。函数返回一个numpy数组。PS.这里简单提一下，NumPy 是一个基础科学的计算库，可以完成矩阵运算等。

# 加载一幅图像
image = cv2.imread("flower.jpg")

3.显示图像

图像的显示使用cv2.imshow函数。该函数会创建一个窗口，并在此窗口中显示用numpy数组表示的图像。所以，函数的参数为：第一个，窗口的名称；第二个，用numpy数组表示的图像

# 显示图像
cv2.imshow("Image", image)

在cv2库中。我们可以waitKey函数来通过等待来自键盘的输入而使用程序暂停一段时间，如果该函数的参数是0，表示将无限期等待来自键盘的输入事件，若接收到来自键盘的事件则退出。非0，表示等等若干毫秒后，若还是没有来自键盘的输入事件，则退出。

# 等待输入
cv2.waitKey(0)

4.疑点

4.1 numpy是什么

或许我们对于上面cv2.imread函数的返回值numpy数组有疑问。这里，我们可以将该数组打印出来，看一下，到底是怎么回事。在cv2.imshow函数之前，增加如下一行代码：

print image

我们会看到诸如下面的输出：

[[[ 5 38  3]
  [ 5 38  3]
  [ 6 39  4]
  ..., 
  [39 71 36]
  [38 72 32]
  [38 72 32]]

 [[ 8 41  6]
  [ 8 41  6]
  [ 8 41  6]
  ..., 
  [35 67 32]
  [35 68 31]
  [35 69 29]]

 [[12 45 10]
  [12 45 10]
  [12 45 10]
  ..., 
  [30 59 26]
  [31 62 25]
  [32 63 24]]

 ..., 
 [[ 8 20  0]
  [12 24  2]
  [15 28  6]
  ..., 
  [ 3 34  7]
  [ 3 34  7]
  [ 3 34  7]]

 [[10 22  0]
  [12 24  2]
  [14 27  5]
  ..., 
  [ 0 27  2]
  [ 0 27  2]
  [ 0 28  3]]

 [[10 22  0]
  [12 24  2]
  [14 27  5]
  ..., 
  [ 0 27  2]
  [ 0 27  2]
  [ 0 28  3]]]

从这里，我们可以看到，这是一个三维数组。哦~原来图像是三维数组啊。是不是很简单？（且慢，后面会表示，有可以还是二维数组）

4.2 numpy有多大

那么，这个三维数组到底多大呢？
其实，我们可以使用numpy的shape函数来获取各个维度的长度。
在cv2.imread函数后增加如下几行代码：

print "height: %d pixels" % (image.shape[0])
print "width: %d pixels" % (image.shape[1])
print "channels: %d" % (image.shape[2])

得到结果如下：

height: 106 pixels
width: 159 pixels
channels: 3

这表示flower.jpg这幅图像的高度是106个像素，宽度159像素，3个通道（后面我们会知道3通道表示彩色图像）。

5.优化

上面的代码中有一个缺点：图像路径是手工编码，要想显示另一幅图像，还要修改代码。这是不可行的。我们改造如下：

# 导入OpenCV库
import cv2
# 导入参数解析库
import argparse

# 创建一个参数解析器
ap = argparse.ArgumentParser()
# 增加一个参数项--image，或简写-i
ap.add_argument("-i", "--image", required=True, help="Path to the image")
# 得到参数字典，vars是python核心函数，返回一个字典类型
args = vars(ap.parse_args())

# 加载一幅图像
image = cv2.imread(args["image"])
print "height: %d pixels" % (image.shape[0])
print "width: %d pixels" % (image.shape[1])
print "channels: %d" % (image.shape[2])
# 显示图像
cv2.imshow("Image", image)
# 另存图像
cv2.imwrite("saveAs.jpg", image)
# 等待输入
cv2.waitKey(0)

上面的代码中，我们做了两处修改：

我们增加了一个参数解析器。这样的好处是，我们执行该脚本时，可以这样：

python image_pro.py --image flower.jpg

flower.jpg可以替换成任意你想显示的图像路径。

最后，我们使用cv2.imwrite函数将flower.jpg另存成了saveAs.jpg。两个参数，一个是图像要保存的路径，一个是要保存的图像（numpy数组）。

总结

加载图像cv2.imread；显示图像cv2.imshow；保存图像cv2.imwrite。
cv2.waitkey等等时长为毫秒，0表示无限等待。
图像表示为numpy数组形式。
参数解析器的使用。

小强学Python+OpenCV之－1.1图像加载、显示、保存

目标