1. OpenCV概述

        OpenCV的定义

        OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它包含超过2500种优化算法，涵盖图像处理、视频分析、物体检测、面部识别、3D重建等核心功能。OpenCV支持跨平台运行（如Windows、Linux、macOS、Android、iOS），并提供C++、Python、Java等语言的接口，广泛应用于工业检测、医疗影像、自动驾驶、增强现实等领域。

        开发背景

        OpenCV由Intel于1999年发起，旨在促进计算机视觉技术的普及和研究。项目最初由Gary Bradsky和Vadim Pisarevsky主导，2000年首次公开测试版。2006年发布1.0版本，2012年成立非营利组织OpenCV.org维护后续开发。OpenCV的设计目标包括：

• 高效性：通过硬件加速（如Intel IPP）和算法优化实现实时处理。

• 易用性：提供简洁的API和丰富的文档，降低计算机视觉的开发门槛。

• 社区驱动：开源模式吸引全球开发者贡献代码，形成活跃的生态。

• 多语言支持：核心模块用C++编写，同时提供Python封装（如cv2模块）。

• 模块化结构：包含core（基础数据结构）、imgproc（图像处理）、objdetect（目标检测）等子库。

• 硬件兼容：支持CPU/GPU加速（如OpenCL、CUDA）和嵌入式设备（如树莓派）。

• 扩展性：可集成TensorFlow、PyTorch等深度学习框架。

• 主要特点：跨平台、开源、高效算法支持

• 应用场景：图像处理、视频分析、机器学习

        OpenCV优势

• 开源免费：完全开源，可以自由使用，降低开发成本和技术门槛。

• 多语言支持：除C++原生接口外，还支持Java、Python等编程语言。

• 跨平台：支持多种操作系统，Windows、Linux、ios、Android等，方便开发和部署。

• 丰富API：完善的传统计算机视觉算法，涵盖主流的机器学习算法，同时添加了对深度学习的支持。

2. 安装与环境配置

• 支持平台：Windows、Linux、macOS

• 安装方法：pip/conda安装、源码编译

• 依赖项管理：NumPy、Matplotlib

        创建并激活名为myenv的虚拟环境：

conda create -n myenv python=3.8
 

小编这里已经创建好了，使用conda env list可以查看当前所创建的所有虚拟环境。

        安装OpenCV库，倘若这个命令下载不了就换下一个代码试试：

conda activate myenv
conda install -c conda-forge opencv
 

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

activate 自己创建的虚拟环境名:表示切换到自己创建的虚拟环境中。根据步骤下载opencv即可。

        验证安装是否成功：

python -c "import cv2; print(cv2.__version__)"
 

安装完成后进入python中导入opencv可查看版本号，即表明下载成功。

3. 基础图像操作

• 创建窗体：cv2.namedWindow("winname",[窗口属性])

import cv2 as cv
# 创建一个窗体  WINDOW_AUTOSIZE自动大小窗体 WNDOW_NORMAL可手动调整
#cv.namedWindow("mycv",cv.WINDOW_AUTOSIZE)
cv.namedWindow("mycv2",cv.WINDOW_NORMAL)
cv.waitKey(0)
#销毁所有窗体,释放所有资源
cv.destroyAllWindows()

• 读取图像：cv2.imread(path,[读取方式])

• 图像显示：cv2.imshow("winname",img)

import cv2 as cv
# 创建一个窗体  WINDOW_AUTOSIZE自动大小窗体 WNDOW_NORMAL可手动调整
#cv.namedWindow("mycv",cv.WINDOW_AUTOSIZE)
cv.namedWindow("mycv2",cv.WINDOW_NORMAL)
#读取图片  路径可相对可绝对
img = cv.imread("D:\AI\Opencv\images\\1.jpg")
#cv.IMREAD_GRAYSCALE表示以灰度模式读取图像
img2 = cv.imread("D:\AI\Opencv\images\\1.jpg",cv.IMREAD_GRAYSCALE)

cv.imshow("mycv2",img)
#留下绘制时间，等待n毫秒
cv.waitKey(0)
#销毁所有窗体,释放所有资源
cv.destroyAllWindows()

• 保存图像：cv2.imwrite(path,img)

import cv2 as cv
# 创建一个窗体  WINDOW_AUTOSIZE自动大小窗体 WNDOW_NORMAL可手动调整
#cv.namedWindow("mycv",cv.WINDOW_AUTOSIZE)
cv.namedWindow("mycv2",cv.WINDOW_NORMAL)
#读取图片  路径可相对可绝对
img = cv.imread("D:\AI\Opencv\images\\1.jpg")
#cv.IMREAD_GRAYSCALE表示以灰度模式读取图像
img2 = cv.imread("D:\AI\Opencv\images\\1.jpg",cv.IMREAD_GRAYSCALE)

#保存图像
cv.imwrite("D:\AI\Opencv\images\\1_gray.jpg",img2)

#显示图片
#cv.imshow("mycv",img2)
cv.imshow("mycv2",img)
#留下绘制时间，等待n毫秒
cv.waitKey(0)
#销毁所有窗体,释放所有资源
cv.destroyAllWindows()

• 创建黑白图像：可使用np.zeros()创建全黑图像，np.full()修改像素值成为全白图像。

import cv2 as cv
import numpy as np

#黑色创建
black = np.zeros((640,480,3),dtype=np.uint8)
#cv.imshow("black",black)
#白色创建
white = np.full((640,480,3),255,dtype=np.uint8)
#cv.imshow("white",white)
#创建随机像素
random = np.random.randint(0,256,(640,480,3),dtype=np.uint8)
cv.imshow("random",random)
#显示
cv.waitKey(0)
cv.destroyAllWindows()

4.图片剪裁：

• 假设你有一个图像img，它的类型是numpy.ndarray。img[y:y+h,x:x+w]的含义如下：

  • x：子区域左上角的x坐标

  • y：子区域左上角的y坐标

  • w：子区域的宽度

  • h：子区域的高度

• 切片操作

  • img[y:y+h,x:x+w]提取的是从(x,y)开始，高度为h，宽度为w的矩形区域

import cv2 as cv
img = cv.imread("D:\AI\Opencv\images\\1_gray.jpg")
#此处坐标图可用Windows自带的画图软件进行查看（280，230）（360，300）
#roi表示感兴趣区域，仅是命名，符合python命名即可
roi = img[230:300,280:360]
cv.imshow("img",roi)
#修改剪裁区域的颜色
roi[:,:] = [0,0,255]
cv.imshow("img1",img)
cv.waitKey(0)
cv.destroyAllWindows()

• 图像大小调整：cv2.resize(img,dsize)

  • img：输入图像，通常是二维或三位NumPy数组。

  • dsize：输出图像的尺寸，是一个二元组(w,h)

import cv2 as cv
img = cv.imread("D:\AI\Opencv\images\\1.jpg")
#调整图像大小(w,h) (宽，高)
dst = cv.resize(img,dsize=(500,500))
cv.imshow("img",img)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()

5.图像绘制

• 绘制直线：cv2.line(img,sart,end,color,thickness)

  • img：要绘制直线的图像

  • start、end：直线的起点和终点

  • color：直线的颜色（对于彩色图像，使用 BGR 格式指定颜色）

  • thickness：线条宽度

• 绘制圆形：cv2.circle(img,centerpoint,r,color,thickness)

  • img：要绘制圆形的图片

  • centerpoint、r：圆心和半径

  • color：线条颜色

  • tnickness：线条宽度，为-1时生成闭合图案并填充颜色

• 绘制矩形：cv2.rectangle(img,leftupper,rightdown,color,thickness)

  • img：要绘制矩形的图像

  • leftupper、rightdown：矩形的左上角和右下角坐标

  • color：线条的颜色

  • thickness：线条的宽度

• 绘制文本（向图片中添加文字）：cv2.putText(img,text,station,font,Fontscale,color,thickness,cv2.LINE_AA)

  • img：要添加文字的图像
  • text：要写入的文本数据
  • station：文本的放置位置
  • font：字体样式
  • Fontscale：字体大小
  • thickness：字体线条宽度
  • cv2.LINE_AA:使用反走样技术绘制文本边框

import cv2 as cv
img = cv.imread("D:\AI\Opencv\images\\1_gray.jpg")
#绘制直线
cv.line(img,(200,200),(123,123),(0,255,0),2)
#绘制圆
cv.circle(img,(100,100),50,(0,0,255),-1,cv.LINE_AA)
#绘制矩形
cv.rectangle(img,(100,100),(200,200),(255,0,0),2)
#绘制文本
cv.putText(img,"hello",(100,100),cv.FONT_HERSHEY_SIMPLEX,1,(0,255,0),2)
cv.imshow("img1",img)
cv.waitKey(0)
cv.destroyAllWindows()

6.读取视频：

• cap = cv2.VideoCapture(path)

  • path:视频流资源路径设置为0,代表从默认摄像头捕获视频流

• ret,frame = cap.read()

• 返回值cap调用read()方法得到一个布尔值和一帧图像，布尔值表示是否成功读取到帧，如果为False，可能是因为视频结束或读取失败，如果为True，frame则是当前帧的图像数据。

import cv2 as cv
mv = cv.VideoCapture("D:\AI\Opencv\images\\videocap.mp4")
mv1 = cv.VideoCapture(0)
#循环读取视频，每一帧
while True:
    ret,frame = mv1.read()
    #判断是否读取成功
    if not ret:
        print("视频读取失败！")
        break
    cv.imshow("mv",frame)
    #检测用户是否按下了键盘上的 "q" 键，如果按下了就退出循环。
    if cv.waitKey(1) & 0xFF == ord("q"):
        break
#释放视频对象
mv.release()
cv.destroyAllWindows()

7. 总结与展望​

        OpenCV作为计算机视觉领域的强大工具，凭借其开源特性、跨平台支持以及丰富的功能库，已成为开发者、研究人员和工程师的首选。通过本教程，我们学习了OpenCV的基础操作，包括环境配置、图像处理、视频读取等核心功能，为后续深入学习和实际应用奠定了坚实基础。

        未来，随着人工智能和计算机视觉技术的快速发展，OpenCV将继续在自动驾驶、医疗影像、工业检测等领域发挥重要作用。希望你能以此为契机，进一步探索OpenCV的高级功能，结合深度学习框架（如TensorFlow、PyTorch）开发更智能的视觉应用。

​实践建议：​​

• 多动手尝试代码示例，理解每个参数的作用。
• 参与开源社区，贡献代码或分享经验。
• 关注OpenCV官方更新，学习新特性（如DNN模块、实时性能优化）。

计算机视觉的世界充满无限可能，愿OpenCV成为你探索之旅的得力伙伴！