OpenCV基础

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，包含了500多个优化算法，被广泛应用于图像处理和计算机视觉任务。

OpenCV的主要特点

开源且跨平台（Windows, Linux, macOS, Android, iOS）
支持多种编程语言（C++, Python, Java等）
高效的算法实现，支持多核处理和GPU加速
活跃的社区和详尽的文档

安装OpenCV

Python安装

使用pip安装OpenCV非常简单：

# 安装基础版本
pip install opencv-python

# 安装完整版本（包含contrib模块）
pip install opencv-contrib-python

验证安装

import cv2
print(cv2.__version__)  # 输出OpenCV版本

图像基础概念

图像的表示

在计算机中，图像通常表示为多维数组：

灰度图像: 2D数组，每个像素有一个值（0-255）
彩色图像: 3D数组，每个像素有三个通道值（BGR）
图像坐标: 以左上角为原点(0,0)，向右为x轴正方向，向下为y轴正方向

图像属性

在OpenCV中，可以通过以下方式获取图像属性：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 获取图像属性
height, width, channels = img.shape  # 高度、宽度、通道数
size = img.size  # 图像像素总数 = height * width * channels
dtype = img.dtype  # 图像数据类型（通常为uint8）

OpenCV工作流程

典型的OpenCV图像处理流程如下：

OpenCV模块

OpenCV包含多个模块，每个模块专注于特定的功能：

模块	功能描述
`core`	核心功能和基本数据结构
`imgproc`	图像处理（滤波、变换、形态学操作等）
`imgcodecs`	图像编解码（读取和写入图像）
`videoio`	视频I/O（读取和写入视频）
`highgui`	高级GUI（创建窗口、显示图像等）
`features2d`	特征检测和描述
`calib3d`	相机校准和3D重建
`objdetect`	对象检测（如人脸、眼睛等）
`dnn`	深度神经网络模块

应用领域

OpenCV在各个领域有广泛的应用：

人脸识别

安全系统、考勤系统

医学影像

肿瘤检测、细胞分析

自动驾驶

车道线检测、障碍物识别

增强现实

3D投影、虚拟试衣

开始使用OpenCV

基本模板

以下是一个使用OpenCV的基本Python代码模板：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg')

# 检查图像是否正确读取
if img is None:
    print("无法读取图像")
    exit()

# 图像处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图像
blur = cv2.GaussianBlur(gray, (5, 5), 0)  # 高斯模糊

# 显示图像
cv2.imshow('Original', img)
cv2.imshow('Processed', blur)

# 等待按键并关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存结果
cv2.imwrite('result.jpg', blur)

注意事项

OpenCV使用BGR颜色顺序，而不是常见的RGB
图像坐标系统中，原点在左上角
使用 waitKey()函数来显示图像，否则窗口会立即关闭
处理大型图像时，注意内存使用和性能优化

OpenCV的主要特点​

安装OpenCV​

Python安装​

验证安装​

图像基础概念​

图像的表示​

图像属性​

OpenCV工作流程​

OpenCV模块​

应用领域​

开始使用OpenCV​

基本模板​

注意事项​