opencv入门三步：读取（cv2.imread，注意bgr）、显示（cv2.imshow+waitkey）、保存（cv2.imwrite，慎用中文路径）；几何变换重在坐标映射，缩放、旋转、仿射需选对插值与边界参数；图像增强应服务后续处理，滤波与阈值需依噪声类型和光照选择；轮廓检测须先二值化，再提取、近似与分析形状特征。
图像读取、显示与保存：OpenCV的入门三步
OpenCV默认使用BGR色彩顺序，和常见的RGB不同，这点直接影响颜色处理和显示效果。读取图像用cv2.imread()，返回的是NumPy数组；显示用cv2.imshow()需配合cv2.waitKey()等待按键，否则窗口会一闪而过；保存用cv2.imwrite()，路径中中文需先编码转换或避免使用。
- 读取灰度图：加参数
cv2.IMREAD_GRAYSCALE，省去后续转灰度步骤 - 检查图像是否成功加载：判断返回值是否为
None，避免后续操作报错 - 显示前若做了色彩空间转换（如BGR→RGB），用
plt.imshow()更直观，但注意要指定cmap='gray'显示灰度图
图像几何变换：缩放、旋转与仿射的实用要点
几何变换本质是像素坐标的映射。缩放用cv2.resize()，推荐指定目标尺寸而非缩放因子，避免浮点误差累积；旋转需先用cv2.getRotationMatrix2D()生成变换矩阵，再用cv2.warpAffine()执行，注意旋转中心设置和边界填充方式（borderMode）。
- 缩放时插值方法影响质量：
cv2.INTER_LINEAR适合一般场景，cv2.INTER_CUBIC更锐利但慢，下采样建议用cv2.INTER_AREA - 旋转后图像可能被裁剪：可先扩大输出尺寸，或用
cv2.getRotationMatrix2D配合平移补偿 - 仿射变换三点定变换：用
cv2.getAffineTransform()从原图和目标图各选三个对应点，适合校正倾斜、透视失真初筛
图像增强与滤波：提升质量与抑制噪声的关键操作
增强不是“让图更好看”，而是让关键信息更利于后续处理。对比度调整常用cv2.equalizeHist()（仅限灰度）或CLAHE；高斯模糊cv2.GaussianBlur()能有效降噪，但核大小必须为正奇数；中值滤波cv2.medianBlur()对椒盐噪声更鲁棒。
- 直方图均衡化前建议先转YUV或LAB空间，在Y/L通道操作，保留色彩自然性
- 自适应阈值
cv2.adaptiveThreshold()比全局阈值更适合光照不均场景，块大小应为奇数且大于噪声尺度 - 边缘保持滤波可用
cv2.bilateralFilter()，参数sigmaColor控制颜色相似性权重，sigmaSpace控制空间邻域范围
轮廓检测与形状分析：从像素到结构的理解
轮廓是具有相同颜色和连通性的曲线点集合，cv2.findContours()返回的是点坐标列表，不是图像。常配合二值化（cv2.threshold或cv2.Canny）使用。绘制用cv2.drawContours()，填充用-1作为厚度参数。
立即学习“Python免费学习笔记（深入）”；
- 查找前务必二值化，推荐Canny用于边缘清晰目标，Otsu自动阈值适合双峰直方图
- 轮廓近似用
cv2.approxPolyDP()可简化多边形，epsilon设为周长3%~5%常较合理 - 外接矩形、最小外接圆、面积、周长等属性通过
cv2.contourArea()、cv2.arcLength()等函数获取，注意单位是像素，非物理尺寸
