【Python】OpenCV 库：开源的计算机视觉库

Python 中的 OpenCV 库（Open Source Computer Vision Library）

OpenCV（Open Source Computer Vision Library） 是一个开源的计算机视觉库，支持 图像处理、视频分析、目标检测、机器学习 等任务。在 Python 中，它以 cv2 模块形式使用。

1. 安装 OpenCV

pip install opencv-python

如需使用包含 GUI 功能的版本（例如 imshow），推荐安装完整版本：

pip install opencv-python-headless  # 无 GUI 支持（用于服务器）

2. 基本使用示例

读取图像

import cv2

img = cv2.imread('image.jpg')  # 默认按 BGR 加载
cv2.imshow('Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

保存图像

cv2.imwrite('output.jpg', img)

3. 图像处理常用操作

灰度图转换

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

缩放图像

resized = cv2.resize(img, (100, 100))

图像翻转

flipped = cv2.flip(img, 1)  # 0: 上下翻转；1: 左右翻转

4. 绘图函数

cv2.line(img, (0, 0), (100, 100), (0, 255, 0), 2)
cv2.rectangle(img, (10, 10), (200, 200), (255, 0, 0), 3)
cv2.circle(img, (100, 100), 50, (0, 0, 255), -1)
cv2.putText(img, 'OpenCV', (10, 300), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)

5. 图像滤波

高斯模糊

blur = cv2.GaussianBlur(img, (5, 5), 0)

边缘检测（Canny）

edges = cv2.Canny(img, 100, 200)

6. 图像阈值处理

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

7. 图像轮廓检测

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

8. 摄像头操作

cap = cv2.VideoCapture(0)  # 0 表示默认摄像头

while True:
    ret, frame = cap.read()
    cv2.imshow('Video', frame)
    if cv2.waitKey(1) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

9. 视频读写

读取视频

cap = cv2.VideoCapture('video.mp4')

保存视频

out = cv2.VideoWriter('output.avi', cv2.VideoWriter_fourcc(*'XVID'), 20.0, (640,480))

10. 人脸识别示例（基于 Haar 特征）

face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.1, 4)

for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

11. 图像通道处理

分离通道

b, g, r = cv2.split(img)

合并通道

merged = cv2.merge([b, g, r])

12. 常见颜色空间转换

13. 与 NumPy 配合

OpenCV 中图像以 NumPy 数组的形式存储，可直接使用 NumPy 操作：

import numpy as np

img[100:200, 100:200] = [0, 255, 0]  # 将区域变成绿色
mask = img[:, :, 0] > 100            # 按蓝色通道做掩码

14. 与 Matplotlib 显示图像

import matplotlib.pyplot as plt
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img_rgb)
plt.axis('off')
plt.show()

15. OpenCV 常用函数速查表

16. 总结

OpenCV 是图像与视频处理领域中最经典、最强大、最实用的工具之一，特别适合图像分析、CV 入门、原型开发、深度学习前处理等应用场景。配合 NumPy、Matplotlib、PIL、PyTorch 等库使用更为高效。