點贊 + 關注 + 收藏 = 學會了

前面介紹過在 OpenCV 裏可以通過 cv2.imread 讀取本地圖片，但這個方法無法讀取網絡圖片。

讀取網絡圖片：cv2.imdecode

在 OpenCV 裏讀取網絡圖片需要使用 cv2.imdecode 這個方法，它可以直接處理字節流（如網絡傳輸的圖像、攝像頭幀）而無需先保存為文件。

語法：

image = cv2.imdecode(buf, flags)

• buf：必須是 numpy.ndarray 類型，通常通過 np.frombuffer() 將字節數據轉換而來。該 NumPy 數組的 dtype (數據類型) 必須是 np.uint8 。這是因為圖像的編碼數據本質上是一串字節流，每個字節的值範圍是0到255，這恰好對應了8位無符號整數 ( uint8) 的表示範圍 。
• flags：可選參數，指定解碼方式（與 cv2.imread 的 flags 相同）。是一個整數，它像一個指令開關，告訴 imdecode 函數我們希望以何種方式來解碼這張圖片 。這個參數決定了輸出圖像的顏色模式、是否保留透明通道等。

以下是幾個最常用、也最重要的 flags 值：

舉個例子

# 導入OpenCV庫，用於圖像處理和顯示
import cv2
# 導入NumPy庫，用於數組操作
import numpy as np
# 導入SSL庫，用於處理HTTPS請求
import ssl

# 主程序入口，確保該代碼塊僅在直接運行腳本時執行
if __name__ == '__main__':
    # 導入urllib.request模塊並簡化為request別名，用於網絡請求
    import urllib.request as request
    # 設置請求頭，模擬Chrome瀏覽器訪問，避免被服務器拒絕
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"}
    # 創建請求對象，包含圖片URL和請求頭
    req = request.Request("https://p9-passport.byteacctimg.com/img/user-avatar/6c49bd0b908f5b1601050a168d0283b2~60x60.awebp", headers=headers)
    # 創建未經驗證的SSL上下文，解決HTTPS證書驗證問題
    context = ssl._create_unverified_context()
    # 發送請求並獲取響應，使用SSL上下文避免證書錯誤
    response = request.urlopen(req, context=context)
    # 讀取響應內容，轉換為字節數組，再轉為NumPy數組，最後解碼為OpenCV圖像
    imgUrl = cv2.imdecode(np.array(bytearray(response.read()), dtype=np.uint8), -1)
    # 創建窗口顯示圖片，窗口標題為"imgUrl"
    cv2.imshow("imgUrl", imgUrl)
    # 等待用户按鍵輸入，0表示無限等待
    key = cv2.waitKey(0)
    # 判斷用户是否按下'q'鍵
    if key == ord("q"):
        # 關閉所有OpenCV創建的窗口
        cv2.destroyAllWindows()

在這個例子中，通過 request 發起請求，模擬了瀏覽器請求，獲取我在掘金的頭像圖片。

然後用 cv2.imdecode 方法加載我的頭像。

最後通過 cv2.waitKey(0) 讓圖片一直展示，直至按下 q 鍵才關閉圖片窗口。

為何需要 cv2.imread 和 cv2.imdecode 兩個API？

cv2.imread 和 cv2.imdecode似乎在做同樣的事情——將某種格式的數據變成OpenCV可以處理的圖像矩陣。那麼，為什麼需要兩個獨立的函數呢？這並非冗餘設計，而是體現了軟件工程中一個極其重要的原則：單一職責原則（Single Responsibility Principle, SRP）。這個原則指出，一個類或一個模塊應該有且只有一個引起它變化的原因。換句話説，一個函數應該只做一件事，並把它做好。

更直觀地總結兩者的區別，總結了一個表格：

以上就是本文的全部內容了，想了解更多 OpenCV Python 的工友歡迎關注 《OpenCV Python 中文教程》

點贊 + 關注 + 收藏 = 學會了