第一章：Python环境搭建——Anaconda安装，虚拟环境创建，OpenCV与PIL库安装，Jupyter Notebook配置
各位同学好，我是老张。做图像处理这些年，我踩过最多的坑就是环境问题。说实话，很多同学学了一半卡住了，不是算法难，而是Python环境没配好。今天咱们就把这事彻底搞定。
1.1 为什么选Anaconda？
Python的包管理，说白了就是一团乱麻。你装一个库，它依赖另一个库，版本不对就崩。我刚开始做项目时，经常为了一个OpenCV版本问题折腾半天。
Anaconda就是来解决这个问题的。它自带Python解释器，还带了一个叫conda的包管理器。我个人习惯用conda来管理所有Python环境，比pip稳得多。
核心优势：
- 自带Python，不用单独装
- conda能自动处理依赖关系
- 支持创建隔离的虚拟环境
- 预装了科学计算常用库
1.2 安装Anaconda
去官网下载Anaconda安装包。注意选对版本——Windows就选Windows版，Mac就选Mac版。我建议下载Python 3.8或3.9版本，太新的版本有些库可能不兼容。
安装时有个坑：一定要勾选"Add Anaconda to my PATH environment variable"。我曾经帮一个同学排查问题，发现他没勾这个，命令行里死活找不到conda命令。
注意：安装路径不要有中文和空格。我见过有人装在"Program Files (x86)"下面，后面各种权限问题。
装完后打开命令行（Windows按Win+R，输入cmd），输入：
conda --version如果看到版本号，说明装好了。没看到？检查一下PATH环境变量。
1.3 创建虚拟环境
虚拟环境这东西，说白了就是给你的每个项目一个独立的小房间。你在一个房间里装OpenCV 4.5，另一个房间装OpenCV 4.8，互不干扰。
我一般这样创建：
conda create -n image_restore python=3.9这里image_restore是环境名，你可以随便起。Python版本我推荐3.9，兼容性好。
创建完后激活它：
conda activate image_restore看到命令行前面多了(image_restore)，说明激活成功了。嗯，这里要注意：每次打开新终端，都要重新激活环境。
小技巧：我习惯在项目根目录放一个environment.yml文件，记录所有依赖。这样换电脑时，一行命令就能重建环境。
1.4 安装OpenCV和PIL
OpenCV是图像处理的老大哥，PIL（现在叫Pillow）是Python自带的图像库。两个都要装。
安装命令很简单：
conda install opencv-python
conda install pillow或者用pip也行：
pip install opencv-python
pip install pillow我个人习惯用conda，因为它会自动处理依赖。比如OpenCV依赖numpy，conda会帮你装好。pip有时候会漏掉一些底层库。
装完后验证一下：
python -c "import cv2; print(cv2.__version__)"
python -c "from PIL import Image; print(Image.__version__)"看到版本号就对了。如果报错，多半是环境没激活，或者网络问题导致下载失败。
避坑指南：我曾经在Mac上装OpenCV，发现import时报错"libGL.so.1: cannot open shared object file"。这是因为缺少OpenGL库。解决办法：conda install -c conda-forge opencv，用conda-forge渠道装。
1.5 配置Jupyter Notebook
Jupyter Notebook是交互式编程的神器。你写一段代码，立刻看到结果，特别适合做图像处理的实验。
安装：
conda install jupyter启动：
jupyter notebook浏览器会自动打开一个页面。如果没打开，复制终端里显示的URL到浏览器。
这里有个关键步骤：把虚拟环境注册到Jupyter里。不然你在Jupyter里只能用base环境，白折腾了。
conda install ipykernel
python -m ipykernel install --user --name image_restore --display-name "图像复原环境"重启Jupyter，新建Notebook时，就能看到"图像复原环境"这个选项了。
我的习惯：每次新建Notebook，第一件事就是检查kernel是不是对的。右上角显示"图像复原环境"就对了。
1.6 知识体系总览
下面这张图，把本章的核心逻辑串起来了。你想想看，从安装到配置，每一步都是环环相扣的。
1.7 验证环境是否正常
最后一步，写个简单脚本测试一下。新建一个Jupyter Notebook，输入：
import cv2
from PIL import Image
import numpy as np
print("OpenCV版本:", cv2.__version__)
print("Pillow版本:", Image.__version__)
print("NumPy版本:", np.__version__)
# 创建一个简单的测试图像
img = np.zeros((100, 100, 3), dtype=np.uint8)
img[:, :] = [255, 0, 0] # 蓝色
cv2.imwrite("test.jpg", img)
print("测试图像已生成")运行后，如果看到版本号，并且生成了test.jpg文件，恭喜你，环境配好了！
总结一下：今天咱们干了三件事——装Anaconda、建虚拟环境、装OpenCV和PIL。这三步走完，后面所有图像复原的代码都能跑起来。别嫌麻烦，环境搭好了，后面学起来才顺。
好了，这一章就到这儿。有问题随时在群里问我，我看到就会回。
公众号:蓝海资料掘金营，微信deep3321