图像处理入门008 | 阶段总结：环境测试与基础概念测验

系列：《图像处理算法入门 144 期》
作者：卫星研发 · 智能体工程部
标签：图像处理 / 环境自检 / 阶段总结 / OpenCV / 入门

一、前言：为什么需要"环境自检"脚本？

学完前面 7 期，你已经知道图像处理涉及的：

• 数学：线性代数、卷积、统计量；
• 工具：Python、NumPy、OpenCV、Pillow、Matplotlib、SciPy；
• 概念：像素、通道、颜色空间、PSNR/SSIM、卷积核、边界填充。

但真正动手写代码前，必须先确认你的开发环境是"齐活"的。否则你可能花 2 小时排查一个"明明代码没问题"的 bug，结果发现是某个包没装、版本对不上、BGR/RGB 搞反了、CUDA 冲突……

这一期是 M01 模块的收官。我们做三件事：

1. M01 知识测验——10 道判断 + 5 道简答，快速检验你的理解；
2. 一键环境自检脚本——自动跑 6 大项检查，输出 Markdown 报告；
3. 常见问题排查表——把初学者最容易踩的 8 个坑一次说清。

跑通这一期，你就有信心干净利落地进入 M02（数字图像基础操作）。

二、M01 知识测验

2.1 判断题（对 / 错）

2.2 简答题

1. 为什么 OpenCV 用 BGR 而不是 RGB？

   早期 OpenCV 作者觉得 BGR 在某些摄像头和 AVI 存储里效率更高，沿用至今。Matplotlib 用 RGB，所以 cv2.imread 后要 cvtColor(..., COLOR_BGR2RGB) 才能正常显示。

2. PSNR = 30 dB 时图像质量算好吗？

   经验上：PSNR > 40 dB 极好（人眼几乎看不出差异），30-40 dB 良好，20-30 dB 一般，< 20 dB 明显失真。但 PSNR 不总能反映人眼感受，所以通常配合 SSIM 一起报。

3. 均值滤波和高斯滤波的本质区别是什么？

   都是低通滤波，但权重不同：均值核所有位置权重相等（1/9），高斯核中心权重最大、四周递减（服从 2D 高斯分布）。高斯滤波对高斯噪声最优，且能更好地保留边缘趋势。

4. 什么是"互相关"和"卷积"的工程区别？

   数学卷积要翻转核，工程互相关不翻转。两者对对称核（高斯、均值）结果完全相同；对非对称核（Sobel、Sharpen）结果差一个转置或符号，但只要 pipeline 内一致，效果等价。CNN、OpenCV、MATLAB 都默认用互相关。

5. np.pad 的 reflect 和 symmetric 模式有何不同？

   reflect（= cv2 BORDER_REFLECT_101）：不复制最外边缘，abc|abcde|fed；symmetric（= cv2 BORDER_SYMMETRIC）：包含端点，abc|abcde|edc。一般推荐 reflect，对图像边缘更友好。

三、一键环境自检脚本（核心代码）

完整代码：code/008_env_selfcheck.py。下面说明它做了哪些事：

# 伪代码：自检脚本的执行流程
1. 收集 Python 解释器信息（版本 / 平台 / 路径）
2. 逐个 import 必需包，记录版本号和状态
3. 逐个 import 可选包（M10+ 才会用到，先提示）
4. 跑 5 项功能测试：
   - OpenCV imread / imwrite 读写
   - Pillow save / open 读写
   - GaussianBlur 滤波
   - BGR→RGB 颜色转换正确性
   - Matplotlib 绘图保存
5. 检测 OpenCV 是否编译 CUDA
6. 生成 Markdown 报告 + 可视化结果图

3.1 运行方式

# 用 venv（推荐）
.venv\Scripts\python.exe code\008_env_selfcheck.py

# 或者直接用系统 Python
python code/008_env_selfcheck.py

3.2 实际运行结果

================================================================
  008 | 图像处理环境自检工具
  2026-08-17 22:35:24
================================================================

Python:  3.13.14
平台:    Windows 11 (AMD64)
解释器:  C:\Users\kazen\.workbuddy\binaries\python\envs\default\Scripts\python.exe

----------------------------------------------------------------
必需依赖检测
----------------------------------------------------------------
  ✅ numpy                2.5.1        OK         矩阵运算与数组操作
  ✅ opencv-python        5.0.0        OK         图像读写 / 滤波 / 几何变换
  ✅ Pillow               12.2.0       OK         图像格式支持 / 简易操作
  ✅ matplotlib           3.11.1       OK         绘图与可视化
  ✅ scipy                1.18.0       OK         科学计算 / convolve2d / 插值

----------------------------------------------------------------
可选依赖检测（后续模块使用）
----------------------------------------------------------------
  ➖ scikit-image         -            MISSING    高级图像处理算法（后续模块使用）
  ➖ torch                -            MISSING    深度学习（M13 模块使用）
  ➖ tensorflow           -            MISSING    深度学习（M13 模块备选）
  ➖ scikit-learn         -            MISSING    传统机器学习（M12 模块使用）

----------------------------------------------------------------
功能验证测试
----------------------------------------------------------------
  ✅ OpenCV 图像读写          OpenCV imread/imwrite 正常
  ✅ Pillow 图像读写          Pillow save/open 正常
  ✅ 高斯滤波操作             GaussianBlur 正常
  ✅ BGR/RGB 通道顺序         BGR/RGB 通道顺序正确
  ✅ Matplotlib 绘图          matplotlib 绘图正常

----------------------------------------------------------------
GPU / CUDA 检测
----------------------------------------------------------------
  ⚠️ OpenCV CUDA             OpenCV 未编译 CUDA（CPU 模式，后续模块不需要 GPU）

================================================================
  生成报告
================================================================
  📄 Markdown 报告: .../code/output/008_env_report.md
  📊 可视化结果图: .../code/output/008_selfcheck_result.png

✅ 环境完全就绪！可以开始模块二（数字图像基础操作）的学习。
================================================================

3.3 自动生成的报告

脚本会自动输出 code/output/008_env_report.md，可以直接贴到飞书 / 钉钉 / Issue 里给团队同步：

# 图像处理环境自检报告

> 生成时间：2026-08-17 22:35:24
> Python：3.13.14 | Windows AMD64

## 一、必需依赖
| 包名 | 导入名 | 版本 | 状态 | 用途 |
|:---|:---|:---|:---:|:---|
| numpy | numpy | 2.5.1 | ✅ | 矩阵运算与数组操作 |
| opencv-python | cv2 | 5.0.0 | ✅ | 图像读写 / 滤波 / 几何变换 |
| Pillow | PIL | 12.2.0 | ✅ | 图像格式支持 / 简易操作 |
| matplotlib | matplotlib | 3.11.1 | ✅ | 绘图与可视化 |
| scipy | scipy | 1.18.0 | ✅ | 科学计算 / convolve2d / 插值 |

## 五、总结
✅ **环境完全就绪**，可以开始模块二（数字图像基础操作）的学习。

3.4 可视化结果图

脚本还会输出一张三联图 code/output/008_selfcheck_result.png：

四、常见问题排查表（FAQ）

五、产品与工具推荐

5.1 移动端（适合体验/初步学习）

5.2 专业级（适合开发/科研）

5.3 推荐组合（不同角色）

六、扩展练习

1. 入门：跑通 008_env_selfcheck.py，把生成的 008_env_report.md 贴到自己的飞书 / 钉钉 / GitHub Issue，作为"环境就绪凭证"。
2. 进阶：在自检脚本里增加一项"GPU 显存检测"（用 subprocess 调用 nvidia-smi），如果存在多块 GPU 就列出来。
3. 挑战：把这份脚本改造成一个 命令行工具（用 argparse），支持：
   • --report md/json：选择报告格式；
   • --strict：必需包版本不符就 exit 1（适合 CI）；
   • --install-missing：自动 pip install 缺失的必需包。

七、本期小结

• M01 全部 8 期收官，你已经掌握了图像处理的基础概念 + 数学基石 + 环境配置；
• 用 008_env_selfcheck.py 一键验证环境，把报告贴到 Issue 让团队同步；
• 遇到环境问题先看 FAQ 排查表，80% 的坑都在那 8 行里；
• M02 数字图像基础操作（第 9-18 期）即将开始，主题是 OpenCV/Pillow 双库对比 + 图像读写 + 通道操作 + 几何变换。

下期（第 009 期）：OpenCV 图像读取与显示：imread/imshow 全解析。