第1章 Python入门：发展史、应用场景与环境搭建

大家好，我是你们这门课的讲师。在正式开始之前，我想先聊聊Python这门语言。

说实话，我最早接触Python是在大学实验室。那时候导师丢给我一个图像处理的小项目，说用C++写太慢，让我试试Python。我当时心里还嘀咕：这玩意儿能行吗？结果一用就回不去了。嗯，这就是Python的魅力。

1.1 Python发展史：从圣诞礼物到AI首选

Python诞生于1989年的圣诞节。荷兰程序员Guido van Rossum为了打发假期时间，决定开发一门新的脚本语言。他当时的目标很单纯：写一个比C简单、比Shell强大的东西。

为什么会叫Python？其实是因为Guido喜欢看英国喜剧《蒙提·派森的飞行马戏团》。所以这个名字跟蛇没关系，跟马戏团有关系。我每次跟新人讲这个冷知识，他们都会愣一下。

几个关键时间节点：

年份	事件	我的感受
1991年	Python 0.9.0发布	那时候我还没出生
2000年	Python 2.0发布	我开始学编程时用的就是2.x
2008年	Python 3.0发布	当时很多人不愿意升级，我也是
2020年	Python 2正式退役	终于可以安心只用3了

1.2 Python应用场景：为什么视觉开发选它？

Python的应用范围真的很广。我简单列几个方向：

• Web开发：Django、Flask框架，很多网站后端在用
• 数据分析：Pandas、NumPy，处理表格数据很方便
• 人工智能：TensorFlow、PyTorch，深度学习标配
• 自动化运维：写脚本、爬虫，效率很高
• 计算机视觉：OpenCV、YOLO，这就是咱们课程的重点

你想想看，为什么计算机视觉领域大家都用Python？说白了就三个原因：

1. 生态丰富：OpenCV、dlib、MediaPipe这些库都是Python优先支持
2. 开发快：写一个图像处理demo，Python可能10行代码，C++要50行
3. 社区活跃：遇到问题，StackOverflow上一搜一大把答案

1.3 Python开发环境搭建：手把手教你配好

好，理论说完了，咱们来点实际的。搭建开发环境这件事，我踩过不少坑。曾经有一次，我因为Python版本没选对，折腾了一下午。所以这次我带你走一遍最稳的路线。

第一步：下载Python

去Python官网（python.org），找到Downloads页面。我建议你下载Python 3.8到3.10之间的版本。为什么？因为很多视觉库对最新版的支持还不稳定。

第二步：验证安装

打开终端（Windows用cmd或PowerShell，Mac/Linux用终端），输入：

python --version

如果看到类似 Python 3.9.7 的输出，说明安装成功。如果提示找不到命令，那就是PATH没配好。

第三步：安装包管理工具

Python自带pip，但版本可能比较老。建议先升级一下：

python -m pip install --upgrade pip

pip就是Python的「应用商店」。你想装什么库，用pip install就行。比如：

pip install numpy
pip install opencv-python

第四步：选择IDE

写代码总得有个编辑器。我推荐几个：

• PyCharm：功能强大，适合大型项目。我平时做视觉项目就用它
• VS Code：轻量级，插件丰富。新手入门推荐这个
• Jupyter Notebook：适合做实验、写教程。咱们课程后面会用到

第五步：测试环境

写一小段代码测试一下：

import cv2
import numpy as np

print("OpenCV版本:", cv2.__version__)
print("NumPy版本:", np.__version__)

# 创建一个黑色图像
img = np.zeros((300, 300, 3), dtype=np.uint8)
cv2.imshow("测试窗口", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

如果能看到一个黑色窗口弹出来，恭喜你，环境搭建成功了！

小结

这一章我们聊了Python的历史、它能做什么、以及怎么把环境搭起来。说实话，环境搭建是很多人放弃的第一步。遇到问题别慌，去网上搜一下，或者问问社区。我当年也是这么过来的。

下一章，咱们开始写真正的Python代码。到时候你会觉得，嗯，这玩意儿确实比C++友好多了。

公众号:蓝海资料掘金营，微信deep3321