Week 10 作业记录：Docker 概念与 OpenCV 实验

1. 学习目标

• 在 Docker/WSL 环境中配置 Python OpenCV。
• 使用 OpenCV 读取图片并理解 BGR、RGB、GRAY 色彩空间。
• 解决依赖安装和图像显示过程中的常见问题。

2. 实验环境

• Python 3
• OpenCV：opencv-python
• Matplotlib：用于显示图片
• 运行环境：WSL Ubuntu 或 Docker ROS2 容器
• 实验脚本：opencv_color_demo.py

3. 操作过程

3.1 安装依赖

pip3 install opencv-python matplotlib

如果出现系统环境限制，可以根据课程环境使用：

pip3 install opencv-python matplotlib --break-system-packages

3.2 读取图片

OpenCV 使用 cv2.imread() 读取图片，默认通道顺序是 BGR。

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("image.png")
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(rgb)
plt.show()

3.3 灰度化处理

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
plt.imshow(gray, cmap="gray")
plt.show()

3.4 可复现实验脚本

本周新增 opencv_color_demo.py，将读取图片、BGR/RGB/GRAY 转换和结果保存写成完整程序。

运行命令：

cd week10
python3 opencv_color_demo.py

预期输出：

Saved result to week10/opencv_color_result.png

该脚本可以清楚证明：

• 已安装并能导入 cv2。
• 能从仓库读取图片。
• 理解 OpenCV 默认 BGR 与 Matplotlib RGB 的区别。
• 能生成实验结果图片，便于后续补充到报告中。

4. 核心理解

• OpenCV 默认使用 BGR，而 Matplotlib 默认按 RGB 显示，所以直接显示会出现颜色异常。
• 灰度化会把三通道彩色图转换成单通道亮度图，适合边缘检测、阈值分割等任务。
• Docker 环境可以固定依赖版本，让视觉实验更容易复现。
• 图像处理实验的关键不是只显示图片，而是解释“读取、通道转换、保存、验证”这条完整流程。

5. 问题与解决

• cv2.imread() 返回 None：检查图片路径和文件名。
• 显示颜色不正确：使用 cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。
• 依赖冲突：记录安装命令和版本，必要时使用虚拟环境或容器隔离。
• 在 Docker/WSL 中无法弹出图形窗口：使用 Matplotlib 保存结果图片，或在 noVNC 桌面环境中运行。

6. 本周总结

本周完成了 OpenCV 基础图像处理流程，理解了图像读取、颜色通道转换和灰度化处理，为后续 ArUco 识别实验做准备。