OpenCV 入门指南 —— 从环境搭建到图像处理

---

前言

在计算机视觉领域，OpenCV（Open Source Computer Vision Library）凭借其开源、高效和功能丰富的特点，几乎成为了业界标准。无论是图像处理、视频分析，还是机器学习与深度学习，OpenCV 都能提供强大的支持。本文将为初学者呈现一份从环境搭建到基础demo的完整入门指南。

---

一、什么是 OpenCV？

• 开源计算机视觉库：由 Intel 于 1999 年发起，后由 Willow Garage、Itseez 等机构维护，目前由 OpenCV.org 管理。
• 多语言支持：提供 C++、Python、Java、Android、iOS 等接口，适用于科研和工业场景。
• 应用广泛：人脸识别、目标跟踪、图像拼接、增强现实、自动驾驶等。

---

二、环境准备与安装

1. Python 虚拟环境

• 推荐使用 Anaconda 或者标准的 venv。

• 创建并激活环境：

  conda create -n opencv_env python=3.8 -y
  conda activate opencv_env
  

2. 安装 OpenCV

• 安装带 contrib 扩展模块的版本：

  pip install opencv-contrib-python
  

3. 验证安装

import cv2
print("OpenCV 版本：", cv2.__version__)
# 预期输出：4.x.x

---

三、读取与显示图像

1. 读取图像（BGR 格式）

   img = cv2.imread('path/to/image.jpg')
   if img is None:
       raise FileNotFoundError("请检查图像路径是否正确！")
   

2. 显示图像

   cv2.imshow('Demo Image', img)
   cv2.waitKey(0)      # 按任意键退出
   cv2.destroyAllWindows()
   

• cv2.imread() 读取图像
• cv2.imshow() 创建窗口并展示
• cv2.waitKey() 等待键盘输入
• cv2.destroyAllWindows() 关闭所有窗口

小贴士：Windows 环境下若出现无法显示窗口，可尝试 cv2.waitKey(1) 并确保脚本未被 IDE 拦截。

---

四、常见图像处理操作

1. 色彩空间转换

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # BGR → 灰度
cv2.imshow('Gray Image', gray)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 图像平滑（模糊）

# 均值滤波
blur = cv2.blur(img, (5, 5))
# 高斯模糊
gblur = cv2.GaussianBlur(img, (7, 7), sigmaX=1.5)

3. 边缘检测（Canny 算法）

edges = cv2.Canny(gray, threshold1=50, threshold2=150)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 在图像上绘制图形与文字

# 在原图上画一个蓝色矩形
cv2.rectangle(img, (50, 50), (200, 200), (255, 0, 0), thickness=2)

# 在图像上写文字
cv2.putText(img, 'OpenCV', (50, 300),
            fontFace=cv2.FONT_HERSHEY_SIMPLEX,
            fontScale=1.0, color=(0, 255, 0), thickness=2)
cv2.imshow('Draw', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

---

五、视频与摄像头操作

cap = cv2.VideoCapture(0)  # 参数 0 表示默认摄像头
if not cap.isOpened():
    raise RuntimeError("无法打开摄像头！")

while True:
    ret, frame = cap.read()
    if not ret:
        break

    gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    cv2.imshow('Live Gray', gray_frame)

	 # 按 'q' 键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

提示：cv2.VideoCapture 支持视频文件路径，也可用于读取本地视频。
进阶：结合多线程可提高视频流处理效率。

---

六、推荐学习路线

1. 基础篇：图像 I/O、像素访问、几何变换（缩放、旋转、裁剪）、色彩空间变换。
2. 进阶篇：图像阈值分割、形态学操作、轮廓检测、霍夫直线/圆变换。
3. 机器学习：使用 OpenCV 的 ml 模块进行分类与回归；
4. 深度学习：利用 DNN 模块加载 TensorFlow/Caffe/PyTorch 模型，实现人脸检测、目标识别等。；
5. 项目实战：视觉检测、视频分析、增强现实等，将所学知识与实际需求结合。

---

七、参考资料

• OpenCV 官方文档
• PyImageSearch 教程

欢迎关注我的 CSDN 账号，留言交流，共同进步！
如果本文对你有帮助，别忘了点赞、收藏并分享给更多小伙伴~