Python机器视觉必备基础：Python基础语法+NumPy + Matplotlib

Python机器视觉必备基础：Python基础语法+NumPy + Matplotlib

这篇文章就是为零基础的小伙伴准备的，带你一步步掌握Python基础语法、NumPy数组和Matplotlib图像显示，为后面学习OpenCV打下坚实基础。

本文所有代码都可以直接复制运行，注释非常详细。 如果你还没有安装Python和所需库，请先参考我之前的文章完成安装。

一、Python基础速成

如果你是纯小白，建议先掌握以下几个最常用的语法（有编程基础的可以直接跳到NumPy部分）。

1. 变量与数据类型

Python中变量不需要声明类型，直接赋值即可。

# 整数
age = 25
# 浮点数
price = 9.99
# 字符串
name = "小明"
# 布尔值
is_ok = True

# 打印变量和类型
print(age, type(age)) # 25 <class 'int'>
print(price, type(price)) # 9.99 <class 'float'>
print(name, type(name)) # 小明 <class 'str'>
print(is_ok, type(is_ok)) # True <class 'bool'>

注释：# 是注释符号，后面的内容不会被执行。print() 是输出函数，type() 返回变量的数据类型。

2. 条件判断（if-elif-else）

score = 85
if score >= 90:
print("优秀")
elif score >= 80:
print("良好") # 这里会输出
else:
print("继续努力")

注意：Python用缩进（通常是4个空格）表示代码块，不要用Tab混用。

3. 循环

for循环（遍历列表）

fruits = ["苹果", "香蕉", "橘子"]
for fruit in fruits:
print(fruit)

while循环（条件控制）

count = 0
while count < 3:
print("当前计数:", count)
count += 1 # 不要忘记更新变量，否则会无限循环

4. 函数

使用 def 定义函数，可以返回值。

def add(a, b):
"""返回两个数的和""" # 这是文档字符串，解释函数功能
result = a + b
return result

# 调用函数
sum = add(3, 5)
print(sum) # 8

5. 列表推导式（重点）

一种快速生成列表的简洁写法，在数据处理中非常常用。

# 生成0~9每个数的平方
squares = [x**2 for x in range(10)]
print(squares) # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

# 只取偶数的平方
even_squares = [x**2 for x in range(10) if x % 2 == 0]
print(even_squares) # [0, 4, 16, 36, 64]

解释：range(10) 生成0到9的数字，x**2 是平方，if x % 2 == 0 是筛选条件。

二、NumPy基础：图像其实就是数组

NumPy（Numerical Python）是Python科学计算的核心库。OpenCV读取的每一张图片，在Python中都是一个NumPy数组（三维：高×宽×通道数）。

1. 导入NumPy

import numpy as np # 导入numpy库，并起个小名叫np（方便写代码）

解释：import 是导入命令，as np 是给库起别名，后面用 np.函数名 即可。

2. 创建数组

# 从列表创建一维数组
arr1 = np.array([1, 2, 3, 4])
print(arr1) # [1 2 3 4]

# 创建全0二维数组（3行4列）
zeros = np.zeros((3, 4))
print(zeros)
# [[0. 0. 0. 0.]
# [0. 0. 0. 0.]
# [0. 0. 0. 0.]]

# 创建全1三维数组（模拟一张2行3列3通道的图像）
ones = np.ones((2, 3, 3), dtype=np.uint8) # dtype指定数据类型，uint8表示0-255整数
print(ones.shape) # (2, 3, 3)

# 创建随机数组（0~1之间的均匀分布）
random_arr = np.random.rand(4, 4) # 4×4
print(random_arr)

# 创建随机整数数组（0~255之间）
rand_int = np.random.randint(0, 256, (3, 3))
print(rand_int)

3. 数组属性

# 模拟一张240×320的彩色图（高240，宽320，通道3）
arr = np.random.randint(0, 256, (240, 320, 3))

print("形状:", arr.shape) # (240, 320, 3) -> 高240，宽320，通道3
print("维度:", arr.ndim) # 3
print("元素总数:", arr.size) # 240*320*3 = 230400
print("数据类型:", arr.dtype) # int64（可能不同）

4. 索引与切片（重点）

# 一维数组
a = np.array([10, 20, 30, 40, 50])
print(a[0]) # 10
print(a[1:4]) # [20 30 40] 从索引1到3（不包含4）
print(a[:3]) # [10 20 30] 从开头到索引2
print(a[::2]) # [10 30 50] 每隔一个取一个

# 二维数组
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b[1, 2]) # 6 第2行第3列（行和列索引都从0开始）
print(b[0, :]) # [1 2 3] 第一行所有列
print(b[:, 1]) # [2 5 8] 所有行的第二列
print(b[0:2, 1:3]) # [[2 3] [5 6]] 行0-1，列1-2

# 三维数组（图像）
img = np.random.randint(0, 256, (100, 100, 3)) # 100×100彩色图
pixel = img[50, 30] # 第50行，第30列的像素值（一个包含BGR三个值的数组）
green_channel = img[:, :, 1] # 取出绿色通道（索引为1）的所有值，得到100×100的二维数组
# 将ROI区域（20-40行，30-50列）所有像素设为红色（BGR顺序）
img[20:40, 30:50] = [0, 0, 255]

5. 数组运算

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a + b) # [5 7 9] 对应元素相加
print(a * b) # [4 10 18] 对应元素相乘
print(a ** 2) # [1 4 9] 每个元素平方
print(a + 10) # [11 12 13] 标量加法（广播机制）

# 广播机制：不同形状的数组运算时自动扩展
arr = np.array([[1, 2, 3], [4, 5, 6]])
row = np.array([10, 20, 30])
result = arr + row # row被广播到每一行
# [[11 22 33]
# [14 25 36]]

6. 常用统计函数

print(np.sum(arr)) # 所有元素和
print(np.mean(arr)) # 平均值
print(np.max(arr)) # 最大值
print(np.min(arr)) # 最小值
print(np.std(arr)) # 标准差

三、Matplotlib基础：显示图像

Matplotlib是一个强大的绘图库，我们主要用它来显示图像。

1. 导入Matplotlib

import matplotlib.pyplot as plt # 导入pyplot模块，并起名plt

2. 显示灰度图

import numpy as np
import matplotlib.pyplot as plt

# 生成一个100×100的随机数组（模拟灰度图）
gray_img = np.random.rand(100, 100) # 值在0~1之间

# 用imshow显示，cmap='gray'表示灰度颜色映射
plt.imshow(gray_img, cmap='gray')
plt.title("随机灰度图") # 添加标题
plt.axis('off') # 关闭坐标轴
plt.colorbar() # 显示颜色条，可以看到数值与灰度的对应关系
plt.show() # 显示窗口

解释：plt.imshow() 将数组显示为图像，cmap 是颜色映射（colormap），灰度图用'gray'，也可以用'hot'、'viridis'等得到伪彩色。plt.show() 必须调用才能弹出窗口。

3. 显示彩色图

彩色图需要三维数组，形状为 (高, 宽, 3)，三个通道的顺序通常是RGB。

# 生成一个纯红色的图像（100×100）
red_img = np.zeros((100, 100, 3), dtype=np.uint8) # 全黑
red_img[:, :, 0] = 0 # B通道（索引0）设为0
red_img[:, :, 1] = 0 # G通道设为0
red_img[:, :, 2] = 255 # R通道设为255（最大值）

plt.imshow(red_img)
plt.title("纯红色图像（RGB顺序）")
plt.show()

4. 多子图显示

plt.subplot(1, 2, 1) # 1行2列，第1个图
plt.imshow(gray_img, cmap='gray')
plt.title("灰度图")

plt.subplot(1, 2, 2) # 第2个图
plt.imshow(red_img)
plt.title("红色图")

plt.tight_layout() # 自动调整间距
plt.show()

5. 保存图像

plt.imshow(gray_img, cmap='gray')
plt.savefig('output.png', dpi=300, bbox_inches='tight') # 保存为PNG文件

四、综合案例1：创建随机数组并显示为灰度图

这个案例帮助你理解“图像就是数组”的核心思想。

import numpy as np
import matplotlib.pyplot as plt

# 创建一个256×256的随机数组，值在0~1之间
random_array = np.random.rand(256, 256)

# 用matplotlib显示为灰度图
plt.imshow(random_array, cmap='gray')
plt.title('随机生成的灰度图')
plt.axis('off') # 关闭坐标轴，让图片更干净
plt.colorbar() # 显示颜色条，可以看到数值与灰度的对应关系
plt.show()

运行效果：你会看到一个由随机噪点组成的灰度图，每个像素的亮度对应随机数值。

思考：如果把 cmap='gray' 改成 cmap='hot'，图片会变成热力图风格，数值高的地方偏红，低的地方偏黑。

五、综合案例2：读取图片并对比OpenCV与Matplotlib显示差异

这是机器视觉入门最重要的一个案例，让你理解BGR和RGB的区别。

第一步：准备一张图片

在代码所在文件夹放一张彩色图片，命名为 example.jpg（可以用手机随便拍一张）。

第二步：编写代码

# 1. 导入所需库
import cv2 # OpenCV库
import numpy as np # NumPy库
import matplotlib.pyplot as plt # Matplotlib绘图库

# 2. 用OpenCV读取图片
# cv2.imread() 读取图片，返回的是NumPy数组，颜色通道顺序是BGR
img_bgr = cv2.imread('example.jpg') # 如果图片不在当前目录，需要写完整路径

# 检查图片是否读取成功
if img_bgr is None:
print("错误：无法读取图片，请检查路径")
exit()

# 3. 用OpenCV显示图片
cv2.imshow('OpenCV窗口（BGR）', img_bgr) # 创建窗口并显示图片
cv2.waitKey(0) # 等待按键，参数0表示无限等待，按任意键继续
cv2.destroyAllWindows() # 关闭所有OpenCV窗口

# 4. 将BGR转换为RGB（因为Matplotlib需要RGB顺序）
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)

# 5. 用Matplotlib显示对比
plt.figure(figsize=(10, 4)) # 设置画布大小

plt.subplot(1, 2, 1)
plt.imshow(img_bgr) # 直接显示BGR图片（颜色会失真）
plt.title('Matplotlib直接显示BGR（颜色错误）')

plt.subplot(1, 2, 2)
plt.imshow(img_rgb) # 显示转换后的RGB图片
plt.title('Matplotlib显示RGB（正确）')

plt.tight_layout()
plt.show()

代码详解

• import cv2：导入OpenCV库，cv2是OpenCV的Python模块名。
• cv2.imread()：读取图片，返回NumPy数组，通道顺序是BGR（蓝、绿、红）。这是OpenCV的历史原因。
• cv2.imshow()：创建窗口显示图片，第一个参数是窗口名，第二个是图片数组。
• cv2.waitKey(0)：等待用户按键，如果不加这一行，窗口会一闪而过。
• cv2.destroyAllWindows()：关闭所有OpenCV创建的窗口。
• cv2.cvtColor()：颜色空间转换函数，cv2.COLOR_BGR2RGB 表示从BGR转到RGB。
• plt.subplot()：创建子图，参数分别为行数、列数、当前第几个。
• plt.imshow()：显示图片数组，如果是三维，默认通道顺序为RGB。
• plt.show()：显示所有Matplotlib图形窗口。

运行效果

• OpenCV窗口颜色正常。
• Matplotlib第一个子图颜色偏蓝（因为把BGR当成了RGB）。
• Matplotlib第二个子图颜色正常（因为做了转换）。

常见问题：中文路径

cv2.imread 不支持中文路径，可以用以下方法解决：

import numpy as np
import cv2
# 从文件读取字节流
with open('中文图片.jpg', 'rb') as f:
img_bytes = f.read()
img_bgr = cv2.imdecode(np.frombuffer(img_bytes, np.uint8), cv2.IMREAD_COLOR)

六、总结与下一步

通过本文的学习，你应该掌握了：

• Python最常用的基础语法（变量、条件、循环、函数、列表推导式）。
• NumPy数组的创建、属性、索引切片和基本运算。
• Matplotlib显示图像的基本方法，以及BGR与RGB的区别。
• 两个实战案例，让你亲身体验图像处理的基本流程。

下一步：我们将正式进入OpenCV的世界，学习图像滤波、边缘检测、形态学操作等，为缺陷检测项目打下基础。欢迎继续关注！

📚 参考文档链接

• 菜鸟教程 —— 最全面的中文编程入门网站，包含Python基础语法、实例教程，适合新手快速查阅
• 廖雪峰的官方网站 —— 国内知名Python教程，从基础到实战项目，讲解通俗易懂，适合系统学习
• Python官方教程 —— 最权威的Python基础教程
• NumPy快速入门 —— NumPy官方文档，包含数组操作详解
• Matplotlib教程 —— Matplotlib官方教程，涵盖各种绘图技巧
• OpenCV-Python教程 —— OpenCV官方Python教程，后续学习的核心资料

如果你觉得这篇文章对你有帮助，请点赞收藏，有问题欢迎评论区留言~