很多同学学到 OpenCV 语法这一块，最容易出现的情况是：函数都认识，CV 视频也刷了不少，但一上手处理自己手里那张图就懵。尤其是到了系列第四课这个位置，前面已经讲完了 imread、imshow、Mat 结构、像素访问、颜色空间、阈值这些基本功，接下来再往后走，碰到的就不再是“单个函数怎么用”的问题，而是“几个函数怎么组合起来解决一个真实需求”。这篇保姆级教学，就是把语法（四）这部分最核心的几个 API 讲透，并且全部围绕实际场景展开，让你看完能直接用在自己的图片处理任务里。

如果你正准备入门计算机视觉，或者正在一条条啃 OpenCV 文档但总觉得知识是散的，那这篇文章非常适合你。今天要重点拆解的语法包括：图像属性与 ROI 区域裁剪、通道拆分与合并、图像算术运算、逻辑运算与 mask 遮罩。这几块单独看都不难，但它们组合起来，就是图像融合、Logo 贴图、感兴趣区域提取、图像增强、数据预处理这些常见任务的基本骨架。

1. 从前面三课到语法（四），我们在走一条什么路线

1.1 前面已经解决了什么问题

回顾一下整个系列第一课的推进路径：第一课从读图开始，重点搞清楚了 imread 读进来的图到底是什么——一个多维数组；第二课开始对 Mat 结构做深入操作，包括像素级的访问和修改，这时候你已经能通过 img[100, 200] 这样拿到某个坐标的 BGR 值；第三课进入了图像处理的正式领地，色彩空间转换、阈值二值化、简单的滤波去噪，都是这时候的基础内容。

这一路下来，你对“图像=数组”这个概念应该已经建立起来了。但细心的人会发现，前面做的所有操作几乎都是针对“整张图”的——要么处理全图，要么逐像素扫。而真实项目里，你关心的往往只是画面里的某个区域，比如人脸检测框出来的那块、车辆车牌那块、或者视觉定位里被标记出来的目标区域。这就引出了语法（四）要解决的第一件事：ROI（Region of Interest，感兴趣区域）。

1.2 语法（四）在整个系列里的位置

为什么这一课称为“语法”而不是“图像处理”？因为今天我们覆盖的内容本质上都是在讲“OpenCV 这个语言里，图像数据可以怎样组合、怎样提取、怎样运算”。就像学一门编程语言要学它的运算符和数据结构一样，OpenCV 的图像数据也有自己的“运算符”：切片裁剪是区域提取，split/merge 是通道级别的拆装，add/addWeighted 是像素级别的数值组合，bitwise 系列是按位的逻辑组合。

这些语法学完，你再看后续系列的边缘检测、轮廓查找、特征匹配，会发现它们很多底层处理步骤都在反复使用今天这些操作的组合。直白点说：今天这篇的内容，是后面所有实战课的“数据搬运工”。你之后写的每一段图像处理代码，基本都离不开区域裁剪、通道操作、mask 遮罩这三板斧。

1.3 今天几组 API 的记忆地图

先给一张语法地图，后面的内容全按这个来展开，建议先有个整体印象：

这五组东西，单个看都简单得不行，但组合起来威力很大。比如你要做一个“把某人脸区域调亮”的功能，步骤就是：先裁剪 ROI，再转成浮点做算术增强，最后用 mask 把增强结果贴回去。每一步都是今天要练的语法点。

2. 先看清一张图的“身份证”：shape、dtype 与 size

2.1 shape 的三个数字分别代表什么

拿到一张图，第一件事就是看它的 shape。很多人一开始会把 shape 记颠倒，这里我用最笨的办法帮助记忆：shape 返回的永远是（行数，列数，通道数），而行数对应的就是图像的高度，列数对应的就是宽度。

import cv2 img = cv2.imread("coffee.jpg") print(img.shape)

输出示例：(480, 640, 3)

意思就是：高 480 像素，宽 640 像素，3 个通道（Blue、Green、Red，OpenCV 默认 BGR 顺序）。千万不要把 shape[0] 当成宽，这是新手最容易踩的坑。后面做 ROI 裁剪时，一旦把宽高搞反，截出来的区域就完全不是你想要的。

还有一个细节值得注意：shape 返回的是类元组结构，你可以直接用 h, w = img.shape[:2] 这种方式取值。很多函数比如 cv2.resize、cv2.circle 需要的参数顺序是（宽，高），但 shape 返回的是（高，宽），这就成了天然的口令混淆点。我每次写 resize 都要在心里默念一遍“shape 给的是高宽，resize 要的是宽高”。

2.2 dtype 为什么是 uint8

第二个必查属性是 dtype。OpenCV 里最常见的图像类型是 uint8，也就是无符号 8 位整数，取值范围 0 到 255。

为什么是 255？因为 8 位二进制能表示 256 个值，从 0 到 255。单通道每个像素就是一个亮度值，三通道合起来就是 BGR。这个值域约束非常重要，直接关系到后面算术运算里“溢出”的问题。你可以把 uint8 想象成一个只有 256 个刻度的量杯，一旦往里倒超过 255 的水，就会从 0 重新开始计——这也就是后面要讲的直接相加和 cv2.add 的结果差异根源。

有些图像处理需要更高的精度，比如深度图、HDR 图像，就会用 uint16、float32 等类型。但不管什么类型，拿到图像第一步养成打印 dtype 的习惯，能避免后面大量类型不匹配的报错。

2.3 size 到底是个什么数

print(img.size)

size 返回的是图像的总像素个数，计算方式是 高 × 宽 × 通道数。以 480×640×3 为例，size 就是 921600。这个数字的意义体现在你需要估算处理耗时和内存占用时，比如要写一个逐像素遍历的算法，先算一下总像素量心里就有底了。

顺带说一个实际排查经验：imread 读图失败时不报错，而是返回 None。如果对 None 调用 shape，会直接抛出 AttributeError。所以严格来说，读图之后应该先加一句判断：

if img is None: print("图片读取失败，请检查路径") exit()

这一点保姆级教学必须强调，因为路径写错、文件名打错、中文路径没处理好，都会导致 img 变成 None，而新手往往在这一步卡很久。

3. ROI：用切片裁剪出你关心的局部区域

3.1 切片的本质是 NumPy 的切片操作

OpenCV 的图像就是一个 NumPy 数组，所以 ROI 提取用的就是 NumPy 的切片语法。语法格式如下：

roi = img[y1:y2, x1:x2]

参数含义需要逐字拆解：

• y1、y2：行范围对应高度方向，也就是纵坐标；
• x1、x2：列范围对应宽度方向，也就是横坐标；
• 区间是左闭右开，意思是包含 y1 和 x1 位置的像素，但不包含 y2 和 x2 位置的像素。

如果你原图是 480×640，想截取画面中央一个 200×200 的正方形区域，中心点大概是（320, 240），那么代码是：

roi = img[140:340, 220:420]

这里的 140:340 是高方向的范围，220:420 是宽方向的范围。闭区间开区间这个细节真的值得圈出来：很多人写 ROI 时发现截出来的图总比预期少一行或者多一行，跟边界没算清楚关系很大。

3.2 小心视图与拷贝的区别

切片提取出来的 ROI 默认是原图的“视图”，不是复制品。也就是说，你修改 roi 里的像素，原图对应位置的像素也会跟着变。

roi = img[140:340, 220:420] roi[:, :, 0] = 0 # 把 ROI 区域蓝色通道清零 cv2.imshow("img", img) # 原图对应区域也变蓝了

这在某些场景下是有用的，比如你想直接改原图的局部区域；但在另一些场景下是致命的，比如你只是想裁剪出来做检测分析，却意外污染了原图数据。所以我的习惯是：只要后续要对 ROI 做修改，就显式调用 copy()，把视图变成独立数据。

roi = img[140:340, 220:420].copy()

3.3 典型应用：把裁剪与后续操作串联

假设下一步要对咖啡杯照片中的杯口区域做锐化或亮度调整，你就可以先提取 ROI，然后做处理，最后再填回去。这个“提取—处理—填回”三步走，是 ROI 相关项目里最高频的套路。

cup_roi = img[100:300, 200:400].copy() # 对 cup_roi 做任意处理 cup_roi = cv2.addWeighted(cup_roi, 1.2, cup_roi, 0, 0) # 填回原图 img[100:300, 200:400] = cup_roi

这段代码里 addWeighted 的作用是给 ROI 增加对比度，后面第 4 节会详细讲。你先记住这个“局部增强后再填回”的套路，很多图像编辑工具的美颜、局部调色功能，底层就是这套逻辑。

4. 通道的拆分与合并：split、merge 与 BGR 陷阱

4.1 为什么要拆通道

一张 BGR 彩色图是三张单通道图的叠加。拆通道就是把这三张“灰度图”单独拿出来。用途非常多：调色时单独改某个通道、做颜色特征分析时统计通道均值、把某个通道置零来观察色彩贡献，或者做颜色空间转换前的预处理。

b, g, r = cv2.split(img)

返回值是三张单通道图，每张都是和原图同样尺寸的二维数组。注意我不是随手写的 b, g, r 顺序，这是 OpenCV 死规定：第一通道是 Blue，第二是 Green，第三是 Red。不少从 RGB 世界观过来的人，拿到 split 结果之后第一反应是 r, g, b，结果就是红蓝颠倒。

4.2 通道合并与通道“调包”

split 的逆操作是 merge：

merged = cv2.merge([b, g, r])

merge 接收一个通道列表，按 B、G、R 顺序组装回三通道图。实际工作中经常用 merge 做通道替换。比如我想把原图的红色通道换成另一个图的红色通道，可以这样：

b1, g1, r1 = cv2.split(img1) b2, g2, r2 = cv2.split(img2) new_img = cv2.merge([b1, g1, r2])

这种通道级别的混合，在风格迁移、图像滤镜、色彩分析类项目里很常见。我曾经做过一个简单的“色彩迁移”Demo，核心就是用不同通道的比例混合再加权，视觉上能做出冷色调、暖色调的切换。

4.3 BGR 顺序带来的经典“红蓝互换”事故

这里必须单独提一下 BGR 和 RGB 的问题。你在屏幕上看到的绝大多数图片格式都是 RGB，但 OpenCV 读进来的是 BGR。如果你把 OpenCV 读的图直接拿给 matplotlib 去显示，会出现整张图红色和蓝色互换的诡异效果：

import matplotlib.pyplot as plt plt.imshow(img) # 颜色失真，红蓝颠倒

正确的做法是先用 cvtColor 转换：

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) plt.imshow(img_rgb)

同样的逻辑也适用于 split/merge 场景。你用 split 拆出来的通道，第一张图是 B 不是 R；你用 merge 组装时，列表第一项也必须放 B 通道。想要红通道单通道显示，应该对第三个通道做处理，而不是第一个。

4.4 性能注意事项：循环里别用 split

split 和 merge 在单次调用时很直观，但它们涉及内存拷贝，速度不是最快的。如果在视频处理或者大量图片的循环里反复调用 split，性能瓶颈会很明显。更高效的做法是直接用数组索引：

b = img[:, :, 0] g = img[:, :, 1] r = img[:, :, 2]

注意：这样取出来的通道也是视图，修改它会影响原图。如果不想影响原图，同样可以 .copy()。

还有个细节值得知道：OpenCV 4.x 里 split 返回的通道是复制数据，而切片返回的是视图。所以严格来说，如果只读不改，切片更快；如果必须拆出来反复修改，split 更省心，但速度上有代价。这个权衡没有绝对答案，根据你的场景选择即可。

5. 图像算术运算：从直接相加到加权融合

5.1 加法：直接“+”和 cv2.add 的致命差异

这是保姆级教学里最值得展开的一个点。两块 uint8 图像直接相加，结果很可能溢出，而溢出的处理方式决定了你看到的是全白还是突然变黑。

先做一个小实验：

import numpy as np a = np.array([200], dtype=np.uint8) b = np.array([100], dtype=np.uint8) print(a + b) # [44] print(cv2.add(a, b)) # [255]

200 加 100 等于 300，但 uint8 最大值只有 255。直接相加时，NumPy 按取模运算，300 对 256 取模，结果是 44；cv2.add 按饱和运算，超过 255 就截断为 255。这个差异在图像上表现非常直观：直接相加的图会出现大量噪点式的黑斑，cv2.add 的图则更接近“变亮”的效果。

对于一张真实图像，代码对比长这样：

img2 = np.full_like(img, 100) out1 = img + img2 out2 = cv2.add(img, img2)

np.full_like(img, 100) 会生成一张和原图同尺寸同类型的纯色图，每个像素值都是 100。把原图每个像素加 100，视觉效果就是画面整体变亮。out1 因为溢出会有很多地方出现诡异的暗色条纹，out2 则是平滑变亮。所以做图像亮度增强时，标准做法是 cv2.add 而不是 numpy 直接加。

5.2 subtract、multiply、divide 的同类规则

减法、乘法、除法也遵循同样的饱和逻辑。cv2.subtract 的典型用途是做背景差分：把当前帧和背景帧做差，露出运动目标区域。cv2.multiply 和 cv2.divide 在图像校正、对比度调整里会用到。

与加法一样，这些函数最常用的是两个输入参数：src1 和 src2，可以由常量或图像充当。比如给图像减 50 降低亮度：

dark = cv2.subtract(img, np.full_like(img, 50))

这里为什么要用 np.full_like(img, 50) 而不是直接传常数 50？因为 add/subtract 要求两个输入图尺寸一致，如果你想用常数，需要把它广播成和原图一样的数组。不少新手在这里遇到 shape mismatch 报错，就是因为传了标量常数而原图是多维数组。

5.3 addWeighted：两张图按权重融合的数学

addWeighted 是算术运算里价值最高的函数，它的公式是：

dst = src1 × alpha + src2 × beta + gamma

其中参数顺序是：

dst = cv2.addWeighted(src1, alpha, src2, beta, gamma)

alpha 和 beta 是两张图的权重，gamma 是额外加的亮度偏移。最常见用法是 alpha = 0.5，beta = 0.5，gamma = 0，这样两张图各占一半透明度叠加，产生“半透明混合”的效果。

img_a = cv2.imread("coffee.jpg") img_b = cv2.imread("milk.jpg") # 尺寸必须一致，否则报错 img_b = cv2.resize(img_b, (img_a.shape[1], img_a.shape[0])) blend = cv2.addWeighted(img_a, 0.5, img_b, 0.5, 0) blend2 = cv2.addWeighted(img_a, 0.7, img_b, 0.3, 30)

blend 就是两张图的五五开融合，blend2 则让第一张图更突出，同时通过 gamma=30 把整体亮度抬高了 30。这种操作在幻灯片过渡、图片相册转场、图像拼接重叠区平滑过渡里都大量使用。

实际项目中需要注意两个很常见的报错点：一是两张图的尺寸不一致，必须先 resize；二是类型不一致，比如一张 uint8 一张 float32，addWeighted 会直接抛异常。判断类型最简单的方法还是习惯性打印 dtype。

5.4 运算结果超出 0-255 怎么办

上面讲的主要针对 uint8 图。但有些算法处理时你可能会把图像转成 float32，比如做归一化、做频域滤波，这时候像素值可能超出 0-255 的范围。如果直接 imshow 一个 float32 图像，OpenCV 的显示逻辑会把它当 0-1 范围处理，导致整张图白茫茫一片。

解决办法是显示前做一次归一化，把值域拉回 0-255：

result_float = np.clip(result_float, 0, 255) result_uint8 = result_float.astype(np.uint8)

或者用 normalize 函数：

result_norm = cv2.normalize(result, None, 0, 255, cv2.NORM_MINMAX)

这是一个非常容易被忽略的坑。很多人在滤波、锐化、频率域处理后图莫名其妙全白，十有八九是浮点显示问题，而不是算法本身错了。

6. 逻辑运算与 mask 实用套路：bitwise_and、or、xor、not

6.1 四个位运算符到底是干什么的

OpenCV 的逻辑运算包括 bitwise_and、bitwise_or、bitwise_xor、bitwise_not，它们对图像的每个像素按位进行与、或、异或、非操作。

最常见的应用场景是 mask 遮罩。所谓 mask，就是一张单通道二值图，白色区域对应 255（保留），黑色区域对应 0（忽略）。把 mask 交给 bitwise_and，就能把图像中 mask 白色区域的像素保留下来，黑色区域清零。

mask = np.zeros(img.shape[:2], dtype=np.uint8) mask = cv2.circle(mask, (320, 240), 150, 255, -1) masked = cv2.bitwise_and(img, img, mask=mask)

这段代码先创建一张全黑的单通道图，然后以（320, 240）为圆心画一个半径为 150 的白色实心圆，得到圆形 mask。最后 bitwise_and(img, img, mask=mask) 的效果就是：原图只保留圆形区域，圆形以外的部分全部变成黑色。

注意 bitwise_and 接收两个输入 src1、src2，当你想保留的是原图本身时，两个输入可以都传 img。mask 参数是可选的，一旦传入，运算只作用于 mask 白区。

6.2 mask 的三种常见来源

mask 不一定都要手动画圆。实际项目里 mask 最常见的三种来源是：

• 阈值分割结果（cv2.threshold 输出的二值图）；
• 边缘检测后填充的结果；
• 语义分割模型的输出。

比如你做了阈值分割，得到了一个只有黑白两色的 mask，接下来想单独统计原图中白色区域内的平均颜色，就可以用：

ret, mask = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY) mean_val = cv2.mean(img, mask=mask)

cv2.mean 配合 mask 参数，只会计算白色区域的均值，这不是一次性函数，而是“mask 机制”在整条 OpenCV 生态里的通用用法。学会了 mask 的思维方式，再看很多 OpenCV 函数里的 mask 参数，就会觉得很自然。

6.3 实战：把一个小 Logo 贴到大图上

这里做一个完整的小项目演示，把黑底图标贴到咖啡图的一角。原图先读进来，Logo 图读进来，假设 Logo 是黑背景。第一步先把 Logo resize 成目标大小，第二步把 Logo 转灰度后做阈值，得到前景 mask 和它的反相，第三步在原图 ROI 区域中最难的部分就是用 mask_inv 把背景区抠掉，第四步把 Logo 前景和原图背景相加完成贴图。

photo = cv2.imread("coffee.jpg") logo = cv2.imread("logo.jpg") logo = cv2.resize(logo, (150, 100)) h, w = logo.shape[:2] x1, y1 = 50, 50 x2, y2 = x1 + w, y1 + h roi = photo[y1:y2, x1:x2] gray_logo = cv2.cvtColor(logo, cv2.COLOR_BGR2GRAY) ret, mask_logo = cv2.threshold(gray_logo, 10, 255, cv2.THRESH_BINARY) mask_inv = cv2.bitwise_not(mask_logo) roi_bg = cv2.bitwise_and(roi, roi, mask=mask_inv) logo_fg = cv2.bitwise_and(logo, logo, mask=mask_logo) photo[y1:y2, x1:x2] = cv2.add(roi_bg, logo_fg)

这个四步走你一定要亲手敲一遍：roi_bg 是把原图 ROI 区域中 Logo 会挡住的部分抠成黑色；logo_fg 是把 Logo 本身从黑背景里抠出来；两者相加，就是“原图背景 + Logo 前景”的干净叠加。这套流程在很多纹理贴图、动态贴纸、相框合成项目里反复出现。

6.4 逻辑运算比条件判断快在哪

有人可能会问：为什么不用循环 + 条件判断来逐像素处理，非要搞 bitwise 这一套？答案是性能。图像是 480×640×3 就有几十万个像素，Python 的 for 循环逐像素处理一张图可能要几秒甚至更久，而 NumPy/OpenCV 的向量化位运算都是 C 层实现，毫秒级完成。位运算本身在硬件层面也是单指令操作，比乘除法、分支判断都快很多。所以凡是能用 bitwise 实现的遮罩操作，坚决不要写 Python 循环。

7. 保姆级避坑清单：7 个常见报错与修复

把前面踩过的和容易踩的坑整理成一张速查表，建议收藏：

这里面每一条我都实际遇过，尤其是“修改 roi 后原图被改”和“float 图全白”这两个，属于那种不踩一次永远记不住的坑。排查时别看报错信息只盯着最后一行，先打印一下 img 的 shape、dtype、以及是否为 None，能快速定位 80% 的问题。

8. 个人实操体会：这些语法到底该怎么练

写到这里，我想给还在坚持的同学一点鼓励和练习建议。语法（四）是系列里最像“背单词”的一课，不像边缘检测、人脸识别那样有酷炫的视觉反馈。但说真的，我在后面做图像融合、做数据增强、做目标检测预处理时，用得最多的反而不是那些大模型 API，就是今天这些基础操作。

练的时候可以这样组合出一个完整任务：读两张图，各自做 ROI 裁剪，用 split/merge 调整通道，再用 addWeighted 做融合，最后用 bitwise_and 加圆形 mask 做局部展示。这个过程把今天所有语法全部串起来了，大概花一个下午就能跑通。跑通之后你再回去看任何 CV 项目的源码，会发现很多代码就是这些基础语法的组合变体。

还有一个值得养成的习惯：每学一个 OpenCV 函数，都去看一眼它的重载形式和参数文档。今天讲的 add 和 addWeighted，都有带 mask 的版本，后面学阈值、学轮廓时，你会发现这些函数几乎全员都支持 mask。把 mask 这个心智模型刻进脑子里，OpenCV 就算入门一半了。