第二章 开发环境搭建：工欲善其事，必先利其器

说实话，我见过太多初学者在环境配置上栽跟头了。

明明代码逻辑没问题，结果因为OpenCV版本不对、Python路径冲突，折腾一整天。我自己刚入行时也踩过类似的坑——有一次项目演示前半小时，发现环境崩了，那叫一个狼狈。

所以这一章，咱们把开发环境彻底搞定。你跟着我走一遍，后面30章就顺风顺水了。

2.1 Anaconda安装：Python的“瑞士军刀”

Anaconda是什么？说白了，它是一个Python发行版，自带包管理器和虚拟环境功能。你想想看，如果手动装Python、再一个个装库，光依赖冲突就能让你崩溃。

我个人习惯用Anaconda，因为它把科学计算常用的库都打包好了。比如NumPy、Pandas、Matplotlib，装完就能用。

安装时注意两点：

• 勾选“Add Anaconda to my PATH environment variable”——这样可以在命令行直接调用conda命令。
• 安装路径不要有中文或空格——我见过有人装在“程序文件”目录下，结果死活找不到环境。

2.2 Python虚拟环境管理：隔离是美德

为什么要用虚拟环境？

你想想看，项目A需要OpenCV 4.5，项目B需要OpenCV 4.8。如果装在同一套Python里，冲突是迟早的事。虚拟环境就是给每个项目一个独立的“小房间”。

我常用的命令就这几个：

# 创建虚拟环境（指定Python版本）
conda create -n cv_env python=3.8

# 激活环境
conda activate cv_env

# 退出环境
conda deactivate

# 查看所有环境
conda env list

# 删除环境
conda env remove -n cv_env

嗯，这里要注意：环境名最好有含义。比如cv_env代表计算机视觉环境，nlp_env代表自然语言处理环境。别起什么test1、test2，三个月后你自己都忘了是干嘛的。

2.3 OpenCV库安装与验证：视觉世界的入口

OpenCV是计算机视觉的核心库。安装其实很简单，但版本选择有讲究。

我个人推荐安装opencv-python和opencv-contrib-python两个包。前者是核心功能，后者包含一些扩展模块（比如SIFT、SURF这些特征提取算法）。

# 激活虚拟环境后执行
pip install opencv-python==4.5.5.64
pip install opencv-contrib-python==4.5.5.64

为什么指定版本号？因为最新版有时会去掉一些旧功能。比如OpenCV 4.5.3之后，某些专利算法被移除了。我建议用4.5.5这个版本，稳定且功能全。

安装完成后，验证一下：

import cv2
print(cv2.__version__)
# 输出应为：4.5.5

如果报错“No module named 'cv2'”，说明没装成功。常见原因有两个：

• 没有激活虚拟环境就直接pip install了
• 网络问题导致下载中断（国内建议换清华镜像源）

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

再验证一个功能——读取图片：

import cv2
img = cv2.imread('test.jpg')
print(img.shape)  # 输出：(高度, 宽度, 通道数)
cv2.imshow('Test', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果能看到图片窗口弹出来，恭喜你，OpenCV装好了。

2.4 Jupyter Notebook配置：交互式编程利器

Jupyter Notebook是数据科学家的标配。它让你能边写代码边看结果，特别适合做实验和教学。

安装很简单：

# 在虚拟环境中安装
pip install jupyter notebook

# 启动
jupyter notebook

启动后浏览器会自动打开一个页面，默认端口是8888。如果端口被占用，它会自动切换到8889。

我个人习惯做几个配置：

1. 修改默认工作目录——在配置文件里设置c.NotebookApp.notebook_dir = 'D:/cv_course'，这样每次启动都直接进入项目文件夹。
2. 设置密码——防止别人访问你的Notebook。用jupyter notebook password命令设置。
3. 安装nbextensions——这是一个扩展插件，能添加代码折叠、目录生成等功能。

# 安装nbextensions
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user

重启Jupyter后，你会看到顶部多了一个“Nbextensions”选项卡，勾选你需要的功能就行。

2.5 环境验证：跑通第一个视觉程序

环境搭好了，咱们跑个简单的程序验证一下。读取一张图片，转成灰度图，再保存：

import cv2

# 读取彩色图片
img_color = cv2.imread('test.jpg')

# 转为灰度图
img_gray = cv2.cvtColor(img_color, cv2.COLOR_BGR2GRAY)

# 保存结果
cv2.imwrite('test_gray.jpg', img_gray)

print('转换完成！')

如果一切顺利，你会在当前目录下看到一张灰度图。这说明你的环境完全OK了。

嗯，到这里开发环境就搭建完毕了。你可能会问：为什么不用PyCharm或者VS Code？

我的建议是：前期用Jupyter Notebook做实验，后期写项目用PyCharm。Notebook适合探索和教学，IDE适合工程化开发。两者不冲突。

下一章，咱们正式开始图像处理的基础操作。到时候你会看到，OpenCV到底有多强大。