第1章 OpenCV基础与环境搭建

1. OpenCV基础与环境搭建：OpenCV简介、应用领域、安装配置与验证

1.1 OpenCV到底是什么？

OpenCV，全称是Open Source Computer Vision Library。说白了，它就是一套开源的计算机视觉工具包。我最早接触它是在大学做机器人项目的时候，当时被它的强大功能吓了一跳——一个库就能搞定图像读取、人脸检测、视频处理这么多事。

它由Intel公司发起，现在由社区维护。支持C++、Python、Java等多种语言。我个人最推荐Python版本，上手快，调试方便。你想想看，一个项目从想法到原型，Python版OpenCV可能只需要半天。

核心特点：

完全免费，商业项目也能用
跨平台，Windows、Mac、Linux通吃
2500+个优化算法，覆盖图像处理、机器学习、深度学习
社区活跃，遇到问题基本都能搜到答案

1.2 它能做什么？——应用领域一览

我在项目中遇到过不少场景，OpenCV都能派上用场。这里列几个典型的：

领域	典型应用	我见过的案例
安防监控	人脸识别、行为检测	某小区门禁系统，用OpenCV做人脸比对
工业质检	缺陷检测、尺寸测量	电子元件引脚检测，精度达到0.1mm
自动驾驶	车道线检测、障碍物识别	实验室的智能小车项目，用OpenCV识别红绿灯
医疗影像	细胞计数、CT图像分析	朋友做的血细胞自动计数工具
增强现实	标记识别、图像叠加	我自己做过一个AR名片，扫一下弹出联系方式

嗯，这里要注意一点：OpenCV擅长的是传统视觉算法。如果你要做深度学习相关的任务，比如目标检测、语义分割，建议配合TensorFlow或PyTorch使用。

1.3 环境安装——Windows篇

我个人习惯用Python的pip安装，简单直接。Windows用户跟着我来：

# 第一步：确保Python已安装（建议3.7以上版本）
python --version

# 第二步：安装OpenCV
pip install opencv-python

# 第三步：安装扩展包（可选，包含更多算法）
pip install opencv-contrib-python

小技巧：如果你在国内，pip下载慢的话，可以加镜像源：

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

我曾经遇到过一个问题：安装后import cv2报错，说找不到模块。后来发现是Python环境变量没配好。解决办法很简单——用管理员身份打开命令提示符再装一次。

1.4 Mac用户看这里

Mac的安装其实更简单。我自己的MacBook Pro就是这么配的：

# 推荐用Homebrew安装依赖
brew install cmake

# 然后pip安装
pip3 install opencv-python

# 如果你需要GUI支持（显示图片窗口）
pip3 install opencv-python-headless  # 服务器版，无GUI
pip3 install opencv-python            # 桌面版，有GUI

注意：Mac M1/M2芯片的用户，建议用conda安装，兼容性更好：

conda install -c conda-forge opencv

1.5 Linux环境配置

Linux下安装，我推荐两种方式。Ubuntu用户看这里：

# 方式一：apt安装（系统级）
sudo apt update
sudo apt install python3-opencv

# 方式二：pip安装（推荐，版本更新）
pip3 install opencv-python

# 安装依赖（如果显示窗口需要）
sudo apt install libgtk2.0-dev pkg-config

为什么推荐pip方式？因为apt源里的OpenCV版本往往比较老。我记得有一次项目需要用到最新的SIFT算法，apt装的是4.2版本，pip能装到4.8。你想想看，差了两个大版本，功能差不少呢。

1.6 验证安装——写个Hello World

装好了没？我们来验证一下。打开Python交互环境或者写个脚本：

import cv2

# 查看版本号
print(cv2.__version__)

# 读取一张图片（用OpenCV自带的测试图）
img = cv2.imread('test.jpg')

# 如果图片存在，显示它
if img is not None:
    cv2.imshow('Hello OpenCV', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print('图片读取失败，请检查路径')

如果能看到图片窗口弹出来，恭喜你，环境搭建成功了！

快速验证脚本（复制就能用）：

import cv2
import numpy as np

# 创建一个空白图像
img = np.zeros((300, 300, 3), dtype=np.uint8)
# 画个蓝色的圆
cv2.circle(img, (150, 150), 100, (255, 0, 0), -1)
# 显示
cv2.imshow('Test', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.7 常见问题与避坑指南

我整理了几个新手最容易踩的坑：

ImportError: No module named cv2 —— 多半是没装成功，或者装了但Python环境不对。检查一下你用的是不是pip对应的Python版本。
图片显示不出来 —— 路径问题。建议用绝对路径，或者把图片放在脚本同目录下。
摄像头打不开 —— 权限问题。Windows下检查摄像头驱动，Linux下检查video组权限。

我曾经踩过的坑：有一次在服务器上装OpenCV，死活import不了。查了半天，发现是系统里有两个Python版本，pip装到了Python2，而我用的是Python3。解决办法：用pip3代替pip。

1.8 下一步做什么？

环境搭好了，接下来我们就可以开始真正的视觉之旅了。下一章我会带你用OpenCV读取摄像头视频流，实现实时手势检测的雏形。嗯，那才是真正有意思的部分。

记住一句话：OpenCV的学习，动手比看书重要一百倍。装好环境后，随便找张图片，试试各种函数，你会发现——原来计算机视觉离我们这么近。