第1章课程导学与环境配置

1、课程导学与环境配置：OpenCV简介、应用领域、开发环境搭建

1.1 聊聊OpenCV——它到底是什么？

大家好，欢迎来到这门课。我是你们的讲师，一个在计算机视觉领域摸爬滚打了十来年的老工程师。

先说说OpenCV。全称是Open Source Computer Vision Library，翻译过来就是「开源计算机视觉库」。说白了，它就是一套帮你处理图像和视频的工具集。你想想看，让电脑看懂一张图片里的内容，这事儿本身挺玄乎的。但有了OpenCV，很多底层操作就变得简单了。

我记得刚入行那会儿，公司接了个项目，要在生产线上检测零件有没有划痕。那时候还没有深度学习这么火，全靠OpenCV的传统算法。我花了三天时间，用边缘检测加形态学操作，硬是把准确率提到了95%以上。嗯，那是我第一次感受到OpenCV的威力。

OpenCV支持C++、Python、Java等多种语言。我个人习惯用Python，原因很简单——开发效率高，调试方便。你写个demo，可能十分钟就搞定了。要是用C++，光编译就得等半天。

1.2 OpenCV能干什么？——应用领域一览

OpenCV的应用范围，说实话，比大多数人想象的要广得多。我简单列几个方向：

人脸检测与识别：手机解锁、安防监控，底层很多都是OpenCV在跑。
运动检测：比如我们这门课要讲的内容——检测画面里有没有人走过、车开过。
物体识别与跟踪：自动驾驶里的车道线检测、行人检测，OpenCV是标配。
图像拼接与全景图：你手机里的全景拍照模式，背后就是OpenCV的stitching模块。
增强现实：把虚拟物体叠加到真实画面上，OpenCV的相机标定和位姿估计是核心。
工业质检：检测产品表面缺陷、测量尺寸，我做过好几个这样的项目。

你可能会问：「现在深度学习这么火，OpenCV是不是过时了？」

我的回答是：恰恰相反。深度学习模型处理的是「理解」层面的问题，但图像数据的预处理、后处理、格式转换，这些脏活累活，OpenCV依然是无可替代的。说白了，OpenCV是地基，深度学习是上面的房子。地基不牢，房子再漂亮也白搭。

1.3 开发环境搭建——手把手带你配好

好，理论说完了，咱们来点实际的。环境搭建这块，我踩过不少坑，今天一次性帮你避开。

1.3.1 Python版本选择

我建议用Python 3.8到3.11之间的版本。为什么？因为OpenCV的预编译包对这几个版本支持最好。我曾经用Python 3.12试过，结果有些依赖库装不上，折腾了半天。所以，别追新，稳定第一。

1.3.2 安装OpenCV

打开终端，一行命令搞定：

pip install opencv-python

如果你还需要用到一些扩展功能（比如特征匹配、相机标定），可以再加一个：

pip install opencv-contrib-python

这里有个坑，我提醒一下：opencv-python 和 opencv-contrib-python 不要同时装，否则会冲突。选一个就行。我个人习惯装 opencv-contrib-python，因为功能更全。

1.3.3 验证安装是否成功

装完之后，打开Python交互环境，输入：

import cv2
print(cv2.__version__)

如果能看到版本号，比如 4.8.1，那就说明装好了。如果报错，别慌，八成是pip源的问题。换个国内镜像试试：

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

1.3.4 IDE推荐——我用的是这个

工欲善其事，必先利其器。IDE我推荐两个：

IDE	适用场景	我的评价
VS Code	日常开发、调试	轻量、插件丰富，我主力用这个
PyCharm	大型项目	功能强大，但有点重，新手可能觉得卡

我个人习惯用VS Code。装几个插件：Python、Jupyter、OpenCV Snippets，基本就够用了。如果你喜欢在浏览器里写代码，Jupyter Notebook也是个不错的选择，尤其是做实验和可视化的时候。

1.4 第一个OpenCV程序——读图与显示

环境配好了，咱们跑个最简单的程序试试手。写一个Python脚本：

import cv2

# 读取图片
img = cv2.imread('test.jpg')

# 显示图片
cv2.imshow('My First OpenCV Image', img)

# 等待按键
cv2.waitKey(0)

# 关闭所有窗口
cv2.destroyAllWindows()

这段代码做了三件事：读图、显示、等待关闭。你运行之后，应该能看到一个窗口弹出，里面是你指定的图片。

注意：如果图片路径不对，imread 不会报错，而是返回 None。所以最好加个判断：

if img is None:
    print("图片没找到，检查路径！")

我曾经在这个坑里摔过一次——调试了半天，结果发现是图片文件名拼错了。

1.5 避坑指南——我踩过的那些雷

最后，分享几个我这些年积累的经验：

路径别用中文：OpenCV对中文路径的支持不太好，有时候会莫名其妙读不出图。我习惯所有路径都用英文。
颜色通道顺序：OpenCV默认是BGR顺序，不是RGB。如果你用matplotlib显示，记得转换一下：cv2.cvtColor(img, cv2.COLOR_BGR2RGB)。
摄像头索引：cv2.VideoCapture(0) 里的0代表第一个摄像头。如果你有多个摄像头，试试1、2。我遇到过笔记本自带摄像头是0，外接USB摄像头是1的情况。
窗口卡死：如果显示图片后窗口没反应，检查一下有没有调用 cv2.waitKey()。这个函数是必须的，它负责刷新窗口和处理键盘事件。

1.6 小结

这一章我们聊了OpenCV是什么、能干什么，也把开发环境搭好了。你可能会觉得内容有点基础，但别急——地基打牢了，后面才能盖高楼。

下一章，我们会正式进入运动检测的核心内容。到时候，我会带你从零开始，写一个能检测画面中移动物体的程序。嗯，那才是真正有意思的部分。

好，今天就到这儿。如果你在环境搭建中遇到任何问题，欢迎随时交流。咱们下章见。

📚 课程目录