3、OpenCV环境搭建：OpenCV的安装、读取与显示图像、摄像头调用基础

各位同学，咱们今天正式进入实战环节。说实话，每次带新人做计算机视觉项目，第一关往往不是算法多难，而是环境搭不起来。我见过太多人在安装这一步卡住，然后就开始怀疑人生。别急，今天我就带你把这关过了。

3.1 OpenCV的安装：别踩我踩过的坑

OpenCV的安装，说白了就两种主流方式：pip安装和源码编译。对于咱们做套色标记识别的场景，我建议直接用pip，省时省力。

pip install opencv-python
pip install opencv-contrib-python  # 扩展模块，包含SIFT等算法

嗯，这里要注意一个细节。很多新手只装了opencv-python，结果用到SIFT特征检测时报错。为什么？因为SIFT在扩展模块里。我曾经在项目交付前夜发现这个问题，当时真是冷汗直冒。所以建议你一次性把两个都装上。

import cv2
print(cv2.__version__)  # 看到版本号就说明装好了

如果你用的是Anaconda，也可以这样：

conda install -c conda-forge opencv

我个人更推荐pip，因为版本更新更快。你想想看，OpenCV几乎每个月都有小版本更新，用conda有时候会慢半拍。

3.2 读取与显示图像：从文件到内存的旅程

图像读取，是咱们做视觉处理的第一步。OpenCV用imread()函数搞定这件事。但这里有个坑，我当年刚学时栽过跟头。

import cv2

# 读取图像
img = cv2.imread('test.jpg')

# 检查是否读取成功
if img is None:
    print("图片没读到，检查路径！")
else:
    print(f"图像尺寸：{img.shape}")

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

显示图像用imshow()，配合waitKey()和destroyAllWindows()：

cv2.imshow('我的第一张图', img)
cv2.waitKey(0)  # 等待按键
cv2.destroyAllWindows()

这里waitKey(0)的意思是无限等待，直到你按任意键。如果你想让窗口显示1秒后自动关闭，就写waitKey(1000)。单位是毫秒，记住了。

3.3 摄像头调用基础：让电脑长眼睛

调用摄像头，是套色标记识别中最关键的一环。毕竟咱们最终要在实时视频流里找标记，对吧？

OpenCV用VideoCapture类来管理摄像头。代码其实很简单：

cap = cv2.VideoCapture(0)  # 0代表默认摄像头

while True:
    ret, frame = cap.read()
    if not ret:
        print("摄像头读取失败")
        break
    
    cv2.imshow('Camera', frame)
    
    # 按q键退出
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

这段代码我几乎每个项目都会用到。你想想看，不管是做套色标记识别，还是做人脸检测，底层逻辑都是这个循环：读帧、处理、显示。

我还遇到过一种情况：摄像头打开了，但画面特别暗。后来发现是自动曝光没调好。可以手动设置参数：

cap.set(cv2.CAP_PROP_BRIGHTNESS, 0.8)  # 亮度
cap.set(cv2.CAP_PROP_CONTRAST, 0.6)    # 对比度

这些参数因摄像头型号而异，建议你实际调试时试试看。

3.4 本章知识体系

下面这张图，是我根据多年经验总结的OpenCV环境搭建核心逻辑。你看一眼，心里就有谱了。

这张图把咱们今天讲的内容串起来了。从安装开始，到读取图像或摄像头，再到显示，最后释放资源。每一步都有对应的函数和注意事项。你把它存下来，以后做项目时对照着看，能省不少时间。

3.5 实战小练习

光看不练假把式。我给你留个小任务：

1. 安装OpenCV并验证版本
2. 读取一张你电脑里的图片，显示出来
3. 调用摄像头，在窗口里实时显示画面，按q退出

这三步走完，你的OpenCV环境就算真正搭好了。我在项目里带新人时，都是让他们先跑通这三步，再谈后面的算法。基础不牢，地动山摇嘛。

好了，环境搭好，咱们下节课就可以开始真正处理图像了。到时候你会发现，原来计算机视觉离你并不远。