在图像处理与计算机视觉领域，拿到一张图片后，首先需要明确其关键参数：图像尺寸、通道数以及总像素数，这些数据直接决定后续的处理方向。之前我们使用 cv2.imread()

获取图片宽高和通道数

要获取图像的维度信息，OpenCV 的 shape 属性是最直接的入口，调用后即可返回宽度、高度和通道数。

import cv2

img = cv2.imread('德育处主任.jpeg')
height, width, channels = img.shape

print(f'图片高度: {height}')
print(f'图片宽度: {width}')
print(f'图片通道数: {channels}')

拿一张 1280×1280 的彩色图像来测试，运行代码后终端会输出：

图片高度: 1280
图片宽度: 1280
图片通道数: 3

需要注意：如果加载的是灰度图像，shape 只会返回高度和宽度两个值，通道数缺失。此时可以通过检查 shape 的长度来判断图像类型：

if len(image.shape) == 2:
    height, width = image.shape
    print("这是灰度图")
else:
    height, width, channels = image.shape
    print("这是彩色图")

获取像素数据类型

像素数据的类型同样关键，OpenCV 默认读取的彩色图像像素数据类型为 uint8（取值范围 0–255）。通过 NumPy 的 dtype 属性即可轻松获取：

pixel_dtype = img.dtype
print(f"像素数据类型：{pixel_dtype}")

还是那张示例图，输出结果如下：

像素数据类型：uint8

计算图片大小（总像素数）

已知图像的宽度、高度和通道数后，可通过 size 属性快速计算总像素数：

total_pixels = img.size
print(f"图片的总像素数：{total_pixels}")

1280×1280 的彩色图，每个像素有 3 个通道，结果自然是：

图片的总像素数：4915200

1280 × 1280 × 3 正好等于 4,915,200。如需计算单通道像素数，只需将宽度乘以高度即可。