目录
1. 环境安装
2. 基础操作示例
2.1 图像读取与显示
2.2 基本图像处理
2.3 图像滤波
3. 实用功能实践
3.1 人脸检测
3.2 视频处理
3.3 特征检测
4. 实战项目：实时边缘检测
5. 进阶技巧
5.1 图像拼接
5.2 对象跟踪
6. 常用函数速查表
7. 学习建议
8. 常见问题
penCV（开源计算机视觉库）是一个强大的计算机视觉和机器学习软件库。下面我将带你快速上手OpenCV的核心功能。
1. 环境安装
bash
# 使用pip安装OpenCV pip install opencv-python # 主模块 pip install opencv-contrib-python # 包含额外模块
2. 基础操作示例
2.1 图像读取与显示
python
import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg') # BGR格式 print(f"图像尺寸: {img.shape}") # (高度, 宽度, 通道数) # 显示图像 cv2.imshow('Original Image', img) cv2.waitKey(0) # 等待按键 cv2.destroyAllWindows() # 保存图像 cv2.imwrite('output.jpg', img)2.2 基本图像处理
python
# 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 调整大小 resized = cv2.resize(img, (300, 200)) # 旋转图像 (h, w) = img.shape[:2] center = (w // 2, h // 2) M = cv2.getRotationMatrix2D(center, 45, 1.0) # 旋转45度 rotated = cv2.warpAffine(img, M, (w, h)) # 裁剪图像 cropped = img[100:300, 200:400] # y: 100-300, x: 200-400
2.3 图像滤波
python
# 高斯模糊 blurred = cv2.GaussianBlur(img, (5, 5), 0) # 中值滤波（去噪） denoised = cv2.medianBlur(img, 5) # 边缘检测（Canny） edges = cv2.Canny(gray, 100, 200) # 阈值1, 阈值2
3. 实用功能实践
3.1 人脸检测
python
# 加载预训练的人脸检测器 face_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + 'haarcascade_frontalface_default.xml' ) # 检测人脸 faces = face_cascade.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30) ) # 绘制矩形框 for (x, y, w, h) in faces: cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.imshow('Face Detection', img) cv2.waitKey(0)3.2 视频处理
python
# 打开摄像头 cap = cv2.VideoCapture(0) # 0表示默认摄像头 while True: ret, frame = cap.read() if not ret: break # 实时处理 gray_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 显示结果 cv2.imshow('Camera', frame) cv2.imshow('Gray', gray_frame) # 按'q'退出 if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()3.3 特征检测
python
# 创建ORB检测器 orb = cv2.ORB_create() # 检测关键点和描述符 keypoints, descriptors = orb.detectAndCompute(gray, None) # 绘制关键点 img_keypoints = cv2.drawKeypoints( img, keypoints, None, color=(0, 255, 0), flags=0 )
4. 实战项目：实时边缘检测
python
import cv2 import numpy as np def real_time_edge_detection(): cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # 转换为灰度图 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 边缘检测 edges = cv2.Canny(gray, 50, 150) # 查找轮廓 contours, _ = cv2.findContours( edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE ) # 绘制轮廓 result = frame.copy() cv2.drawContours(result, contours, -1, (0, 255, 0), 2) # 显示 cv2.imshow('Original', frame) cv2.imshow('Edges', edges) cv2.imshow('Contours', result) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() if __name__ == "__main__": real_time_edge_detection()5. 进阶技巧
5.1 图像拼接
python
def stitch_images(images): stitcher = cv2.Stitcher_create() status, panorama = stitcher.stitch(images) if status == cv2.Stitcher_OK: return panorama else: print("拼接失败") return None5.2 对象跟踪
python
# 使用KCF跟踪器 tracker = cv2.TrackerKCF_create() bbox = cv2.selectROI("Select Object", img, False) tracker.init(img, bbox) while True: ret, frame = cap.read() if not ret: break success, bbox = tracker.update(frame) if success: x, y, w, h = [int(v) for v in bbox] cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.imshow("Tracking", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break6. 常用函数速查表
| 功能 | 函数 | 说明 |
|---|---|---|
| 读取图像 | cv2.imread() | 读取图像文件 |
| 显示图像 | cv2.imshow() | 显示图像窗口 |
| 保存图像 | cv2.imwrite() | 保存到文件 |
| 颜色转换 | cv2.cvtColor() | 转换颜色空间 |
| 调整大小 | cv2.resize() | 缩放图像 |
| 图像旋转 | cv2.getRotationMatrix2D()+cv2.warpAffine() | 旋转图像 |
| 边缘检测 | cv2.Canny() | Canny边缘检测 |
| 人脸检测 | cv2.CascadeClassifier() | 使用Haar级联检测 |
| 特征点 | cv2.ORB_create() | ORB特征检测 |
| 轮廓查找 | cv2.findContours() | 查找图像轮廓 |
7. 学习建议
从简单开始：先掌握基础操作
实际项目驱动：选择一个小项目（如车牌识别、手势识别）
查看官方文档：OpenCV文档非常全面
结合NumPy：OpenCV图像本质是NumPy数组
调试技巧：使用
print(image.shape)查看图像维度
8. 常见问题
Q: 图像显示是蓝色的？
A: OpenCV使用BGR格式，matplotlib使用RGB。转换：rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB)
Q: 如何提高处理速度？
A: 减小图像尺寸、使用灰度图、优化算法参数
Q: 内存占用过大？
A: 及时释放资源：cv2.destroyAllWindows()，cap.release()
这个快速实践指南涵盖了OpenCV的核心功能，可以帮助你快速上手。建议按照示例代码逐个尝试，理解每个函数的作用和参数含义。
