1. OpenCV概述与环境搭建

1.1 OpenCV的前世今生

说起OpenCV，我最早接触它是在2010年。那时候我刚入行做安防项目，老板扔给我一堆摄像头视频流，说「你给我做个运动检测」。我当时就懵了——从零写图像处理算法？那得写到猴年马月去。

后来一个老同事告诉我：「试试OpenCV吧，这东西能救命。」

嗯，他说得没错。

OpenCV全称是Open Source Computer Vision Library，中文叫「开源计算机视觉库」。它诞生于1999年，最初是英特尔的一个研究项目。你想想看，那会儿计算机视觉还属于学术圈的高冷玩意儿，英特尔把它开源出来，说白了就是想让更多人参与进来，加速技术落地。

2000年，第一个公开版本发布。我记得那时候只有C语言接口，用起来挺费劲的。后来到了2009年，OpenCV 2.0发布，引入了C++接口和Python绑定，这下子门槛一下子降下来了。我个人习惯用Python做原型验证，所以那会儿特别兴奋。

2015年，OpenCV 3.0发布，架构大改，模块化做得更好。到了2018年，OpenCV 4.0出来，开始支持深度学习推理。现在最新版本已经到4.9了，功能越来越强大。

我曾经在项目里遇到过一个问题：用OpenCV 3.4写的代码，升级到4.x后有些API变了，编译不过。嗯，这里要注意——版本迁移时一定要看迁移指南，不然会踩坑。

1.2 OpenCV能干什么？

说白了，OpenCV就是一套「让计算机看懂世界」的工具箱。它覆盖了图像处理、视频分析、目标检测、人脸识别、相机标定、三维重建等几乎所有计算机视觉领域。

我挑几个典型的应用领域说说：

安防监控

这是OpenCV最传统的应用场景。我在做智慧园区项目时，就用OpenCV做运动检测、目标跟踪、越界报警。你想想看，一个摄像头对着厂区大门，当有人翻墙时自动报警——这就是OpenCV的拿手好戏。

自动驾驶

虽然现在自动驾驶都用深度学习，但OpenCV依然是底层图像处理的主力。车道线检测、交通标志识别、障碍物检测，这些都需要OpenCV做预处理。我记得有一次做车道线检测项目，用OpenCV的霍夫变换配合透视变换，效果出奇的好。

医疗影像

这个领域我接触不多，但我知道很多医学图像处理软件底层都用了OpenCV。比如CT图像的去噪、增强、分割，OpenCV都有现成的函数。我一个朋友做眼底图像分析，就是用OpenCV做血管提取的。

工业检测

这个我熟。在工厂流水线上，用OpenCV做产品外观缺陷检测，比如划痕、污渍、尺寸偏差。我曾经帮一个电子厂做过PCB板焊点检测，用OpenCV的模板匹配加上形态学操作，准确率能做到98%以上。

1.3 环境搭建——Windows篇

好，理论说完了，咱们来点实际的。环境搭建这块，我建议你按我的步骤来，别自己瞎折腾，不然容易出幺蛾子。

Windows下安装OpenCV

我个人习惯用Python，所以咱们以Python环境为例。

第一步，安装Python。我推荐Python 3.8到3.11之间的版本，太新或太旧都可能遇到兼容性问题。去python.org下载安装包，记得勾选「Add Python to PATH」。

第二步，安装OpenCV。打开命令行，输入：

pip install opencv-python
pip install opencv-contrib-python

第一个是基础包，第二个是扩展包，包含了一些专利算法（比如SIFT、SURF）。我建议两个都装，省得后面缺东西。

验证安装

装完之后，咱们验证一下。打开Python交互环境，输入：

import cv2
print(cv2.__version__)

如果输出版本号（比如4.9.0），那就说明安装成功了。

我再教你一个更直观的验证方法——读取一张图片并显示：

import cv2

# 读取图片
img = cv2.imread('test.jpg')

# 显示图片
cv2.imshow('Test', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果能看到图片窗口弹出来，恭喜你，环境搞定了。

1.4 环境搭建——Linux篇

Linux下安装OpenCV，我推荐用Ubuntu 20.04或22.04。有两种方式：

方式一：apt安装（简单但版本旧）

sudo apt update
sudo apt install python3-opencv

这种方式最省事，但版本可能不是最新的。如果你只是学习用，完全够用。

方式二：源码编译（推荐）

如果你需要最新版本，或者想定制编译选项，那就源码编译。我当年为了在树莓派上跑OpenCV，编译了整整一晚上——嗯，那滋味不好受。

编译步骤大致如下：

# 安装依赖
sudo apt install build-essential cmake git pkg-config
sudo apt install libjpeg-dev libtiff-dev libpng-dev
sudo apt install libavcodec-dev libavformat-dev libswscale-dev

# 下载源码
git clone https://github.com/opencv/opencv.git
git clone https://github.com/opencv/opencv_contrib.git

# 编译
cd opencv
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules ..
make -j4
sudo make install

1.5 常见问题与避坑指南

我整理了几个新手最容易遇到的问题：

问题	原因	解决办法
import cv2报错	OpenCV没装好或Python环境不对	检查pip list，确认opencv-python在列表中
imread返回None	路径问题或图片格式不支持	用绝对路径，或检查图片是否损坏
视频打不开	缺少解码器	安装ffmpeg，或编译时开启WITH_FFMPEG
GUI窗口不显示	Linux下缺少GTK支持	安装libgtk2.0-dev后重新编译

我曾经在Windows上遇到一个奇葩问题——cv2.imshow窗口一闪而过。后来发现是忘了加waitKey(0)。你想想看，程序执行完直接退出了，窗口当然就关了。加上waitKey让程序等待键盘输入，窗口就能正常显示了。

1.6 本章小结

这一章我们聊了OpenCV的发展史、它能干什么，以及怎么搭建开发环境。说白了，OpenCV就是一个强大的视觉工具箱，你只要会用，就能解决很多实际问题。

环境搭建这块，我建议你Windows下用pip安装，Linux下用apt安装。先跑起来再说，别一上来就搞源码编译——那玩意儿费时费力，等你真正需要定制功能时再搞也不迟。

下一章，咱们开始玩真的——图像的基本操作。到时候我会教你如何用OpenCV读取、显示、保存图片，还会讲一些我在项目中踩过的坑。嗯，敬请期待。